Kết quả nghiên cứu cho thấy quy mô ngân hàng SIZE; tăng trưởng tín dụng LGR, tỷ lệ chi phí hoạt động ME; hệ số an toàn vốn CAR; tỷ lệ lạm phát CPI có ảnh hưởng cùng chiều với tỷ lệ nợ xấ
GIỚI THIỆU ĐỀ TÀI
Lý do chọn đề tài
Ngân hàng thương mại (NHTM) là trung gian tài chính - huy động vốn từ các chủ thể có vốn tạm thời nhàn rỗi và cung cấp vốn cho các chủ thể cần vốn; thông qua đó là sự an toàn trong hoạt động của NHTM tác động tích cực đến sự phát triển của nền kinh tế Các khoản vay được cung cấp cho khách hàng cũng đóng góp một phần lợi nhuận không nhỏ cho các NHTM ngày nay, tuy nhiên đây cũng chính là nguyên nhân chính tạo nên nợ xấu của hệ thống ngân hàng Việt Nam Chủ đề nợ xấu đã thu hút được nhiều sự chú ý hơn trong những thập kỷ gần đây Một số nghiên cứu sử dụng dữ liệu từ các NHTM ở Mỹ năm 1982 đến năm 1996, tác giả Keeton (1999) nghiên cứu về mối quan hệ giữa tăng trưởng tín dụng và nợ xấu, cho người đọc thấy được mối quan hệ chặt chẽ giữa các khoản nợ xấu và tăng trưởng tín dụng Đặc biệt, tăng trưởng tín dụng nhanh nhưng tiêu chuẩn tín dụng thấp sẽ góp phần làm tăng nợ xấu ở một số bang ở Hoa Kỳ “ Tỷ lệ nợ xấu là một trong những nguyên nhân chính của vấn đề trì trệ kinh tế Mỗi một khoản nợ xấu trong lĩnh vực tài chính làm tăng khả năng dẫn đến ngân hàng gặp khó khăn và không có lợi nhuận Với mục tiêu đảm bảo cho hoạt động tín dụng được an toàn, hiệu quả và góp phần tăng trưởng kinh tế thì việc giảm thiểu tỷ lệ nợ xấu là một thành phần không thể thiếu trong hoạt động quản trị tín dụng ngân hàng Tỷ lệ nợ xấu cao sẽ ảnh hưởng đến các nguồn lực, kèm theo đó là việc kinh doanh thua lỗ của các NHTM Như vậy, tỷ lệ nợ xấu có khả năng cản trở tăng trưởng kinh tế và làm giảm hiệu quả kinh tế (Hou, 2007) ” Một nghiên cứu thực nghiệm đã tìm thấy một sự kết hợp ngược chiều giữa nợ xấu và tăng trưởng GDP thực tế (Salas và Saurina, 2002; Fofack, 2005; Jimenez và Saurina, 2006)
Trong giai đoạn từ 2011 – 2022, chúng ta đã chứng kiến sự gia tăng về tỷ lệ nợ xấu và tỷ lệ nợ xấu nội bảng, cùng với việc nợ tiềm ẩn chuyển sang trạng thái nợ xấu một cách nhanh chóng và có chiều hướng tăng nhanh Thực tế đã cho thấy, để đối mặt với tình hình nợ xấu ngày càng phức tạp, các tổ chức tài chính đã chủ động bằng cách phân loại nợ và tiến hành việc trích lập dự phòng rủi ro (chiếm khoảng 80% thị phần tổng tài sản) Mức dự phòng này đã tăng lên đáng kể, đạt mức cao chưa từng có là 150% vào cuối năm 2021 Năm 2021, tỷ lệ nợ xấu nội bảng cùng với nợ đã được chuyển cho VAMC (Công ty quản lý tài sản Việt Nam), cùng với những khoản nợ tiềm ẩn đã chuyển thành dạng nợ xấu, duy trì ở mức khá cao là 6,31% Năm 2022, tỷ lệ nợ xấu nội bảng trên toàn hệ thống duy trì ở mức 2% so với tổng dư nợ Tuy nhiên, đến thời điểm cuối tháng 2/2023, tỷ lệ nợ xấu nội bảng đã tăng lên 2,91% (so với chỉ 1,49% vào năm 2021 và mức 2% vào năm 2022) Trong khoảng thời gian này, toàn bộ các tổ chức tín dụng trong hệ thống đã thành công trong việc giải quyết tổng cộng 21,3 ngàn tỷ đồng nợ xấu
Vì những lý do trên, NHNN nhấn mạnh tầm quan trọng cũng như xây dựng các giải pháp quản lý, và xử lý tối ưu nhằm đề phòng khả năng tái diễn nguy cơ chuyển đổi nợ xấu trong tương lai (Nguyễn Thị Kim Phụng và Nguyễn Thị Nhật Tân, 2022)
Hơn nữa những khó khăn trong lĩnh vực tài chính thể hiện ở thực tế thời gian gần đây là sự sáp nhập, hợp nhất và mua lại với giá 0 đồng đã diễn ra ở một số NHTM Việt Nam Một trong những nguyên nhân dẫn đến tình trạng trên xuất phát từ hậu quả của hoạt động tín dụng, việc quản lý và kiểm soát hoạt động tín dụng không tốt đã làm cho nợ xấu tăng lên, kéo theo sự suy giảm lợi nhuận của các NHTM, thậm chí là mất vốn Nợ xấu tại các NHTM niêm yết trên TTCK không phải mới phát sinh trong những năm gần đây mà thực chất đã tích tụ từ rất nhiều năm trước, với những biến động xấu của kinh tế vĩ mô, hoạt động sản xuất kinh doanh trì trệ làm giảm khả năng trả nợ của người đi vay thì nợ xấu càng trở thành vấn đề nóng bỏng của nền kinh tế Để tạo nền tảng tài chính cho các NHTM dần lành mạnh và phục hồi ổn định thì việc xem xét và phân tích các yếu tố ảnh hưởng đến nợ xấu của NHTM trở thành nhiệm vụ quan trọng và cấp thiết Chúng không chỉ làm tắc nghẽn dòng tín dụng trong nền kinh tế mà ảnh hưởng không nhỏ đến uy tín, chất lượng cũng như hiệu quả hoạt động kinh doanh của NHTM Xuất phát từ thực tiễn nêu trên, tác giả quyết định chọn đề tài “ Các nhân tố ảnh hưởng đến nợ xấu tại các ngân hàng thương mại cổ phần niêm yết trên sàn giao dịch chứng khoán TP Hồ Chí Minh (HOSE) của thị trường chứng khoán Việt Nam ” để làm đề tài nghiên cứu nhằm phân tích, đánh giá tình hình nợ xấu và tìm ra các nhân tố ảnh hưởng nợ xấu tại các NHTMCP niêm yết tại HOSE giai đoạn 2011-2022.
Mục tiêu nghiên cứu
Nghiên “ cứu này được thực hiện nhằm xác định các nhân tố và mức độ ảnh hưởng đến nợ xấu tại các NHTMCP niêm yết tại HOSE Từ kết quả nghiên cứu đề xuất các hàm ý quản trị để hạn chế nợ xấu cho các ngân hàng ”
Mục tiêu tổng quát được cụ thể hóa thông qua các mục tiêu cụ thể như sau:
Thứ nhất, xác định các nhân tố ảnh hưởng đến nợ xấu tại các NHTMCP niêm yết tại HOSE
Thứ hai, đo lường mức độ ảnh hưởng của các nhân tố đến nợ xấu tại các NHTMCP niêm yết tại HOSE
Thứ ba, đề xuất các hàm ý quản trị mang tính khả thi cho các NHTMCP niêm yết tại HOSE nhằm hạn chế được nợ xấu trong tương lai.
Câu hỏi nghiên cứu
Muốn hoàn thành được các mục tiêu trên thì nghiên cứu cần trả lời được các câu hỏi nghiên cứu như sau:
Thứ nhất, các nhân tố nào ảnh hưởng đến nợ xấu tại các NHTMCP niêm yết tại HOSE ?
Thứ hai, mức độ ảnh hưởng của các nhân tố đến nợ xấu tại các NHTMCP niêm yết tại HOSE như thế nào ?
Thứ ba, các hàm ý quản trị nào mang tính khả thi được đề xuất cho các NHTMCP niêm yết tại HOSE nhằm hạn chế được nợ xấu trong tương lai ?
Đối tượng và phạm vi nghiên cứu
Đối tượng nghiên cứu của luận văn là các nhân tố ảnh hưởng đến nợ xấu tại các NHTMCP niêm yết tại HOSE
Phạm vi nghiên cứu bao gồm không gian và thời gian như sau:
• Về không gian: 24 NHTMCP niêm yết tại TTCK Việt Nam, do có những
NHTM chưa được niêm yết trong giai đoạn 2011 – 2015 Mặt khác, tổng tài sản của 24 NHTM này chiếm trên 80% thị phần của hệ thống NHTM ở Việt Nam, do đó có thể đại diện cho các NHTM
• Về thời gian: Số liệu thứ cấp được thu thập từ các báo cáo tại các NHTM trong giai đoạn 2011 – 2022 Tác giả lựa chọn khoảng thời gian này vì đây là giai đoạn nền kinh tế thế giới có nhiều biến động về khủng hoảng tài chính 2018, NHNN Việt Nam có những quy định mới liên quan đến tái cấu trúc và các nhóm nợ 2015 và đặc biệt những ảnh hưởng đến từ đại dịch Covid 19
• Về dữ liệu nghiên cứu: Đối với dữ liệu thuộc nội tại của các ngân hàng, tác giả tổng hợp từ các BCTC đã qua kiểm toán và báo cáo thường niên trong khoảng thời gian từ năm 2011 đến 2022 Đối với dữ liệu vĩ mô, luận văn tổng hợp từ Tổng cục Thống kê, Ngân hàng Thế giới (World Bank).
Phương pháp nghiên cứu
Luận văn sử dụng tổng hợp hai phương pháp nghiên cứu đó là định tính và định lượng với những mục đích cụ thể sau:
Nghiên cứu định tính được thực hiện thông qua việc tổng hợp tài liệu và các công trình liên quan về các nhân tố ảnh hưởng đến nợ xấu tại các NHTM nhằm đề xuất nghiên cứu phù hợp với bối cảnh NHTM Việt Nam
Nghiên cứu định lượng thông qua việc thu thập số liệu liên quan đến các biến số của mô hình nghiên cứu, thiết kế dưới dạng bảng với giai đoạn từ 2011 – 2022
Từ đó, tính toán hồi quy số liệu qua các mô hình Pooled OLS, FEM, REM để đánh giá sự phù hợp của số liệu Tiếp đó thực hiện kiểm định Hausman, F - test để tìm ra mô hình cuối cùng phù hợp để phân tích kết quả nghiên cứu Đồng thời, sử dụng mô hình nghiên cứu được chọn tiến hành kiểm định khuyết tật đa cộng tuyến, phương sai sai số thay đổi, tự tương quan và khắc phục chúng theo phương pháp FGLS Cuối cùng, từ kết quả được khắc phục tiến hành thảo luận và đề xuất hàm ý.
Đóng góp của nghiên cứu
Nghiên cứu này cung cấp bằng chứng thực tiễn về các nhân tố ảnh hưởng đến nợ xấu tại các NHTMCP niêm yết tại HOSE trong giai đoạn 2011 – 2022 Từ kết quả thực tiễn đó luận văn đã đề xuất đến các lãnh đạo ngân hàng cũng như các bên liên quan về các hàm ý quản trị có tính khả thi bao gồm cả các vấn đề thuộc nội tại cũng như vĩ mô nền kinh tế để hạn chế được nợ xấu gia tăng, tạo điều kiện cho các hoạt động kinh doanh tại các ngân hàng bền vững và tăng trưởng.
Kết cấu của luận văn
Luận văn có kết cấu 5 chương như sau:
Chương 1: Giới thiệu đề tài
Chương 1 sẽ trình bày các vấn đề tổng thể của bài nghiên cứu sẽ được trình bày như lý do chọn đề tài, mục tiêu, câu hỏi nghiên cứu, phương pháp nghiên cứu, đóng góp của đề tài
Chương 2: Cơ sở lý thuyết và tính hình nghiên cứu
Chương 2 tổng hợp lý thuyết về nợ xấu và chỉ tiêu đo lượng tại các NHTM, đồng thời chương này tổng hợp các nghiên cứu liên quan nhằm tìm ra cơ sở đề xuất các yếu tố xây dựng mô hình
Chương 3: Mô hình và phương pháp nghiên cứu
Chương 3 sẽ trình bày về giả thuyết, mô hình nghiên cứu, các biến trong mô hình, bảng kỳ vọng về tương quan giữa các biến Ngoài ra, trình bày về cách thức tính toán mẫu nghiên cứu và các phương pháp tính toán
Chương 4: Kết quả nghiên cứu và thảo luận
Chương này sẽ trình bày các kết quả nghiên cứu, kết quả kiểm định và thảo luận các kết quả đó
Chương 5: Kết luận và hàm ý quản trị
Chương này sẽ tóm tắt về kết quả nghiên cứu và đưa ra các hàm ý phù hợp với các NHTM Việt Nam
Chương 1 khái quát lý do chọn đề tài, song song với mục tiêu thì xác định các nhiệm vụ cần phải giải quyết Để hoàn thành được các câu hỏi, chương này đã trình bày phạm vi và phương pháp nghiên cứu Ngoài ra, tác giả cũng đã nêu đóng góp của đề tài này cho các NHTM Việt Nam và định ra kết cấu của luận văn để tạo cơ sở trình bày cho các chương tiếp theo.
CƠ SỞ LÝ THUYẾT VÀ TÌNH HÌNH NGHIÊN CỨU
Cơ sở lý thuyết về nợ xấu tại các ngân hàng thương mại
2.1.1 Khái niệm nợ xấu tại các ngân hàng thương mại
Nợ xấu đang là vấn đề quan tâm hàng đầu của các nhà quản trị, quản lý tại ngân hàng, cũng như các nhà làm chính sách, nhà khoa học tại các quốc gia trên thế giới Thuật ngữ “nợ xấu” (Non-Performing loans) có thể được thay thế bằng nợ khó đòi theo như Fofack (2005), hoặc các khoản vay có vấn đề (Berger và De Young, 1997) Nợ xấu cũng có thể được định nghĩa là các khoản nợ không trả được (defaulted loans) mà ngân hàng không thể thu lợi từ khoản vay đó Định nghĩa của Quỹ tiền tệ quốc tế (IMF) và Liên hợp quốc (Nhóm chuyên gia tư vấn – AEG) cho rằng “ một khoản nợ được coi là nợ xấu khi quá hạn trả lãi và/hoặc gốc trên 90 ngày hoặc các khoản lãi chưa trả từ 90 ngày trở lên đã được nhập gốc, tái cấp vốn hoặc chậm trả theo thỏa thuận; hoặc các khoản phải thanh toán đã quá hạn dưới 90 ngày nhưng có lý do chắc chắn để nghi ngờ về khả năng khoản vay sẽ được thanh toán đầy đủ” Một số quốc gia trên thế giới (trong đó có Trung Quốc) áp dung định nghĩa này của IMF Định nghĩa của Ủy ban Basel về giám sát ngân hàng (BCBS) không đưa ra thời gian quá hạn chi trả một khoản nợ bị coi là “xấu” (có thể là 30-89 ngày, 90-179 ngày, trên 180 ngày ở các quốc gia khác nhau) mà cho rằng đó là “khoản nợ đã quá hạn và ngân hàng thấy người vay không có khả năng trả nợ đầy đủ khi ngân hàng chưa thực hiện hành động gì để cố gắng thu hồi”
Thực tế, “ khái niệm nợ xấu không hoàn toàn đồng nhất ở các quốc gia khác nhau Hiện nay, ngoài quan niệm nợ xấu của các quốc gia, một số tổ chức quốc tế cũng đã đề cập đến khái niệm này Nợ xấu theo quan điểm của IMF được định nghĩa dựa trên hai yếu tố: (i): quá hạn trên 90 ngày, hoặc (ii): khả năng trả nợ bị nghi ngờ ” Với quan điểm này, nợ xấu được tiếp cận dựa trên thời gian quá hạn trả nợ và khả năng trả nợ của khách hàng “ Khả năng trả nợ ở đây có thể là khách hàng hoàn toàn không trả được nợ, hoặc việc trả nợ của khách hàng là không đầy đủ Như vậy, quan điểm về nợ xấu của IMF dựa trên kết quả thu hồi nợ của ngân hàng, nhưng có bổ sung thêm yếu tố về thời gian quá hạn trả nợ Đây cũng được xem là định nghĩa phổ biến trên thế giới ”
Chuẩn mực Kế toán quốc tế (IAS) về ngân hàng thường đề cập các khoản nợ bị giảm giá trị (Impaired) thay vì sử dụng thuật ngữ nợ xấu (nonperforming) Chuẩn mực kế toán IAS 39 được khuyến cáo áp dụng ở một số nước phát triển vào đầu năm 2005 chỉ ra rằng cần có bằng chứng khách quan (objective evidence) để xếp một khoản vay có dấu hiệu bị giảm giá trị Trong trường hợp nợ bị giảm giá trị thì tài sản được ghi nhận sẽ bị giảm xuống vì những tổn thất do chất lượng nợ xấu gây ra Về cơ bản IAS 39 chú trọng khả năng hoàn trả của khoản vay bất luận thời gian quá hạn chưa tới 90 ngày hoặc chưa quá hạn Phương pháp đánh giá khả năng trả nợ của khách hàng thường là phương pháp phân tích dòng tiền tương lai chiết khấu hoặc xếp hạng khoản vay của khách hàng Hệ thống này được coi là chính xác về mặt lý thuyết, nhưng việc áp dụng thực tế gặp nhiều khó khăn
Tại Việt Nam, “ theo thông tư 11/2021/TT-NHNN ngày 30/07/2021 quy định về phân loại tài sản có, mức trích, phương pháp trích lập dự phòng rủi ro về việc sử dụng dự phòng để xử lý rủi ro trong hoạt động của tổ chức tín dụng, chi nhánh ngân hàng nước ngoài quy định khoản nợ quá hạn là khoản nợ mà một phần hoặc toàn bộ nợ gốc và/hoặc lãi đã quá hạn Nợ xấu (NPL) là nợ thuộc các nhóm 3 (nợ dưới tiêu chuẩn), nhóm 4 (nợ nghi ngờ), nhóm 5 (nợ có khả năng mất vốn) ” Nợ xấu được định nghĩa của thông tư cũng được xác định dựa trên 2 yếu tố là nợ đã quá hạn trên 90 ngày và khả năng trả nợ đáng lo ngại của người vay
Tóm lại, tỷ lệ nợ xấu (NPLs: Non – Performing Loans) là những khoản cấp tín dụng của NHTM không có khả năng sinh lời “ do khách hàng vay của ngân hàng mất khả năng thanh toán hay có nguy cơ vỡ nợ Trong đó, tỷ lệ nợ xấu được xác định theo tiêu chuẩn chung của quốc tế và đặc thù của mỗi quốc gia với hoạt động kinh doanh riêng biệt của hệ thống NHTM Tỷ lệ này được đo lường thông qua các khoản nợ quá hạn thuộc nhóm 3, 4, 5 theo TT11/2021/TTNHNN, các nhóm nợ quá hạn này được các NHTM xếp vào tính chất khó thu hồi hoặc không thu hồi được Nếu như tỷ lệ này càng gia tăng thì các NHTM phải đối diện với việc suy giảm tài sản, lợi nhuận và uy tín của NH để thanh toán các khoản tiền gửi tiết kiệm với khách hàng ” Do đó nợ xấu được xem là một chỉ tiêu quan trọng để phản ánh cho RRTD tại các NHTM (Salas và Saurina, 2002, Das và Ghosh,
2.1.2 Phân loại nợ tại các ngân hàng thương mại
Phân loại nợ được hiểu là quá trình các NHTM xem xét các danh mục cho vay của từng ngân hàng và đưa khoản vay vào các nhóm khác nhau dựa trên rủi ro và điểm tương đồng giữa các khoản vay Việc này giúp cho NHTM có thể kiểm soát chất lượng danh mục cho vay và trong trường hợp cần thiết sẽ có biện pháp xử lý các vấn đề phát sinh trong chất lượng tín dụng các danh mục cho vay Việc phân loại và lập dự phòng gây nhiều khó khăn cả về mặt lý thuyết và thực tế, hiện nay tại các NHTM đa dạng về hệ thống phân loại và lập dự phòng Nhằm mục tiêu hướng tới sự thống nhất trong phân loại các khoản nợ và trích lập dự phòng rủi ro tín dụng ở các quốc gia, ủy ban Basel đưa ra những hướng dẫn, nguyên tắc quan trọng nhưng không đưa ra một hệ thống phân loại nợ thống nhất hay các quy trình chuẩn hóa để đánh giá rủi ro tín dụng
Tại Việt Nam, quy định về phân loại nợ và trích lập dự phòng được thực hiện theo Quyết định số 493/2005/QĐ-NHNN ngày 22/04/2005 và Quyết định số 18/2007/QĐ-NHNN ngày 25/04/2007 điều chỉnh bổ sung 493/2005/QĐ-NHNN Hiện nay theo Thông tư 11/2021/TT-NHNN ngày 30/7/2021 quy định về phân loại tài sản có, mức trích, phương pháp trích lập DPRR và việc sử dụng dự phòng để xử lý rủi ro trong hoạt động của tổ chức tín dụng, chi nhánh ngân hàng nước ngoài thì đối với doanh nghiệp có từ hai khoản nợ tại các TCTD, nếu có một khoản nợ nào bị phân loại vào nhóm có mức độ rui ro cao hơn các khoản nợ thì các khoản nợ còn lại ở các TCTD phải phân loại vào nhóm có rủi ro cao nhất
“Nợ quá hạn là khoản nợ đối với TCTD mà người đi vay (cá nhân hoặc tổ chức) khi đến ngày trả nợ theo hợp đồng nhưng lại không thể trả gốc và lãi đúng, đủ theo trên hợp đồng Nợ quá hạn là những khoản nợ không hoàn trả đúng hạn, không được phép và không đủ điều kiện để được gia hạn nợ ” Trong đó:
• Nợ nhóm 1 (Nợ đủ tiêu chuẩn): “ Khoản nợ này trong hạn có khả năng thu hồi gốc lãi đúng như hợp đồng Hoặc khoản nợ có quá hạn dưới 10 ngày và được đánh giá là vẫn có thể thu hồi cả gốc, ” lãi và lãi quá hạn đúng thời hạn
• Nợ nhóm 2 (Nợ cần chú ý): Có thời hạn quá hạn từ 10 đến 90 ngày, khoản nợ có điều chỉnh kỳ hạn trả nợ lần đầu
• Nợ nhóm 3 (Nợ dưới tiêu chuẩn): “ Có thời hạn quá hạn từ 91 ngày đến 180 ngày, nợ gia hạn lần đầu Khoản nợ được miễn giảm lãi do KH không đủ khả năng chi trả lãi đầy đủ theo thoả thuận ban đầu
• Nợ nhóm 4 (Nợ nghi ngờ): Có thời hạn quá hạn từ 181 đến 360 ngày, nợ cơ cấu thời hạn lần đầu quá hạn dưới 90 ngày theo thời hạn trả nợ được cơ cấu lần đầu và cơ cấu nợ lần thứ hai
• Nợ nhóm 5 (Nợ có khả năng mất vốn): Có thời hạn quá hạn hơn 360 ngày, các khoản cơ cấu nợ lần một và lần hai đều không thể trả được cả gốc lẫn lãi cho ngân hàng ”
Trong đó khoản nợ quá hạn là khoản nợ mà một phần hoặc toàn bộ nợ gốc và/hoặc lãi đã quá hạn; nợ xấu là nợ thuộc các nhóm 3, 4 và 5 Tuy nhiên, tổ chức tín dụng vẫn có quyền chủ động phân loại nợ vào nhóm nợ có rủi ro cao hơn nếu đánh giá khả năng trả nợ của khách hàng bị suy giảm
2.1.3 Chỉ tiêu đo lường nợ xấu tại các ngân hàng thương mại
Theo Thông tư 11/2021/TT-NHNN ngày 30/07/2021 của NHNN Việt Nam, nợ xấu là những khoản nợ được phân loại vào nhóm 3, 4, 5 Khái niệm nợ xấu về cơ bản cũng được xác định dựa trên hai yếu tố: (i) Các khoản dư nợ đã quá hạn từ
91 ngày trở lên; (ii) Khả năng trả nợ của khách hàng được xếp vào loại bị nghi ngờ (có thể là khách hàng không thể trả nợ hoặc trả nợ không đủ) và quan điểm này được thế giới áp dụng phổ biến Trên thế giới, thường xem xét quan điểm khách hàng phát sinh nợ xấu là do khách hàng không có khả năng trả nợ
Tỷ lệ nợ xấu = Nợ xấu
Tổng dư nợ cho vay∗ 100%
Các nhân tố ảnh hưởng đến nợ xấu tại các ngân hàng thương mại Việt
Như đã phân tích phần trên về các nguyên nhân gây ra nợ xấu tại các NHTM Việt Nam thì dễ nhận thấy rằng bắt nguồn từ bên trong và bên ngoài NHTM, do đó các nhân tố ảnh hưởng cũng sẽ được bắt nguồn từ hai nhóm, cụ thể đó là:
2.2.1 Nhóm các nhân tố thuộc ngân hàng
Theo Boyd và Gertler (1994) với giả thuyết quá lớn để phá sản cho rằng các quy mô của các NHTM có mối quan hệ với tỷ lệ nợ xấu, trong đó thì lý thuyết này đã cho rằng các NHTM có quy mô lớn thường có xu hướng chấp nhận RRTD để có thể gia tăng dư nợ cho vay hay bỏ qua các vấn đề liên quan đến lịch sử tín dụng của khách hàng, tuy nhiên khi tơi vào tình huống trên bờ vực phá sản do nợ xấu tăng cao thì các ngân hàng Trung ương sẽ tiến hành hỗ trợ cho các NHTM này để hạn chế những hệ lụy kéo theo với nền kinh tế (Stern và Feldman, 2004) Nhưng ngược lại với lập luận của lý thuyết trên thì hiệu ứng quy mô của Salas và Saurina (2002) lại cho rằng khi các NHTM có quy mô càng lớn thì việc cho phép hoạt động đa dạng hóa thi nhập ngày cảng trở nên phổ biến, điều này có nghĩa là các NHTM có quy mô lớn sẽ muốn thu được nhiều lợi nhuận hơn từ các nguồn, do đó, việc tái cơ cấu các khoản cho vay sẽ được thay vào các hoạt động bán lẻ hay đầu tư khác mà tính an toàn tốt hơn Ngoài ra, các NHTM có quy mô lớn sẽ tạo điều kiện và nguồn lực kinh nghiệm cho các hoạt động xử lý nợ xấu nhằm duy trì hoạt động và uy tín với khách hàng nhằm duy trì giá trị gửi tiền tiết kiệm Vì vậy, quy mô ngân hàng có thể làm giảm thiểu được nợ xấu
Khả năng sinh lời đề cập đến mức độ chịu đựng rủi ro của NHTM để tìm kiếm lợi nhuận hơn Trong đó, Hu và cộng sự (2004) cho rằng các NHTM thường có xu hướng bảo toàn HĐKD của mình bằng cách tập trung cho vay với các đối tượng khách hàng an toàn để hạn chế rủi ro nợ xấu, điều này sẽ giúp NHTM bảo toàn được được khoản lợi nhuận của mình thay vì phải đi xử lý nợ xấu hay trích lập chi phí dự phòng rủi ro tín dụng Tuy nhiên, Boudriga và cộng sự (2009); Nikolaidou và Vogiazas (2011) lại cho rằng trong thời điểm các NHTM cạnh tranh nhau trên thị trường, thì việc chạy đua với việc tăng trưởng tín dụng nóng nhằm kiếm được thị phần và lợi nhuận trong ngắn hạn Đồng thời, điều này sẽ làm cho các NHTM gia tăng được khả năng sinh lời nhưng cũng sẽ khiến cho các NHTM xuất hiện sự tiềm ẩn rủi ro nợ xấu trong tương lai
2.2.1.3 Tốc độ tăng trưởng tín dụng
Foos và cộng sự (2010) cho rằng tăng trưởng tín dụng có tác động cùng chiều và tác động rất mạnh đến rủi ro tín dụng ngân hàng sau hai và ba năm Hiện tượng này có thể được giải thích như sau: khi nền kinh tế tăng trưởng, trước áp lực cạnh tranh để phát triển, các ngân hàng có thể thực hiện hai cách: giảm lãi suất trên mỗi khoản vay mới hoặc nới lỏng điều kiện xét duyệt tín dụng Giảm lãi suất là điều không thể vì hành động này sẽ trực tiếp ảnh hưởng đến tỷ suất lợi nhuận và sẽ gặp sự ngăn cản mạnh mẽ từ phía cổ đông Cách còn lại là nới lỏng điều kiện xét duyệt tín dụng Ví dụ như: giảm thiểu tiêu chuẩn tài sản đảm bảo, chấp nhận những khách hàng có lịch sử tín dụng không tốt hoặc yêu cầu ít chứng cứ về dòng thu nhập đảm bảo cho khoản vay Điều này sẽ tích lũy rủi ro và bộc phát vào giai đoạn kinh tế suy thoái Các khoản vay có chất lượng thấp sẽ có nguy cơ thất thoát trong điều kiện kinh tế khó khăn, tác động này có thể với độ trễ một vài năm Tăng trưởng tín dụng theo cách này sẽ làm tăng rủi ro tín dụng dẫn đến việc trích lập dự phòng nhiều hơn trong tương lai cho những khoản vay này Thiagarajan và cộng sự (2011) cũng cho rằng tăng trưởng tín dụng có tác động cùng chiều đến rủi ro tín dụng với độ trễ sau hai năm
Tuy nhiên, tăng trưởng tín dụng không phải lúc nào cũng làm tác động cùng chiều đến rủi ro tín dụng Tăng trưởng tín dụng sẽ có thể làm giảm rủi ro tín dụng trong trường hợp nếu khách hàng tăng nhu cầu về tín dụng do họ muốn tăng tỷ trọng vốn ngân hàng trong kinh doanh Trước tình hình nhu cầu tín dụng tăng cao, các ngân hàng thường tăng lãi suất cho vay hoặc tăng tiêu chuẩn xét duyệt tín dụng Trong trường hợp này, tăng trưởng tín dụng (năm hiện tại hoặc với độ trễ một năm) có tác động ngược chiều đến rủi ro tín dụng như nghiên cứu của Clair
2.2.1.4 Tỷ lệ chi phí hoạt động
Berger và De Young (1997) cho rằng có sự ảnh hưởng của hiệu quả chi phí lên rủi ro tín dụng, kết quả cho thấy hiệu quả chi phí làm giảm các khoản nợ xấu và tỷ lệ chi phí trên hoạt động là chỉ số quan trọng cho các khoản nợ xấu trong tương lai và rủi ro của ngân hàng Do đó, các NHTM thiếu hiệu quả sẽ chịu áp lực lớn từ rủi ro tín dụng vì buộc phải tăng trưởng tín dụng để thu được lợi nhuận nhằm bù đắp chi phí hoạt động Tương tự như vậy, Hess và các cộng sự (2008) cũng chọn chỉ số này là một trong những nhân tố tác động đến rủi ro tín dụng để nghiên cứu Kết quả từ nghiên cứu của ông cũng cho thấy các ngân hàng kém hiệu quả có mức rủi ro tín dụng cao hơn các ngân hàng khác
2.2.1.5 Hệ số an toàn vốn
Keeton và Morris (1987) cho rằng các NHTM có tỷ trọng vốn chủ sở hữu thấp sẽ có khả năng cao hơn dẫn đến nguy cơ gia “ tăng nợ xấu trong tương lai Một số NHTM có vốn và khả năng thanh toán thấp sẽ sẵn sàng mạo hiểm đầu tư vào các khoản tín dụng mang lại nhiều lợi nhuận hơn nhằm cải thiện khả năng thanh khoản cho ngân hàng Hệ quả là chi phí lãi gia tăng cho khách hàng vay khi các nhà quản lý tăng huy động vốn với mức lãi suất cao, đồng nghĩa với việc NHTM sẽ phải đối mặt với nhiều rủi ro và tổn thất hơn, đồng thời một số nghiên cứu thực nghiệm khác cũng củng cố giả thuyết này như Berger và DeYoung (1997), Salas và Saurina (2002) ”
2.2.2 Nhóm các nhân tố thuộc vĩ mô nền kinh tế
2.2.2.1 Tốc độ tăng trưởng kinh tế
Nhân tố này có liên quan đến chu kì kinh tế vĩ mô Trong giai đoạn tăng trưởng kinh tế, các doanh nghiệp làm ăn có hiệu quả, hoạt động sản xuất kinh doanh thuận lợi nên có đầy đủ nguồn vốn và khả năng thanh toán nợ Ngược lại, trong thời kỳ kinh tế suy thoái, khả năng trả nợ của các cá nhân và doanh nghiệp giảm sút, điều này có thể dẫn đến sự gia tăng trong rủi ro tín dụng Vì vậy, mối quan hệ giữa tăng trưởng GDP và rủi ro tín dụng được dự đoán là nghịch biến, nghĩa là sự suy giảm trong tỷ lệ tăng trưởng GDP có thể dẫn đến gia tăng rủi ro tín dụng (Fainstein và Novikov, 2011; Jakubík, 2007; Castro, 2013) Tuy nhiên, khi tốc độ tăng trưởng kinh tế tăng, môi trường kinh doanh được cải thiện, và các rào cản kinh tế giảm dần, làm tăng mức độ cạnh tranh giữa các ngân hàng, từ đó ảnh hưởng đến rủi ro tín dụng các ngân hàng (Tan và Floros, 2012; Boahene và cộng sự, 2012)
Chỉ số giá tiêu dùng là biến vĩ mô đo lường tỷ lệ lạm phát (INF) lấy từ Tổng cục thống kê Lạm phát là một trong những biến kinh tế vĩ mô quan trọng quyết định đến hiệu quả ngân hàng Nếu lạm phát được dự đoán và kiểm soát, các ngân hàng có thể điều chỉnh lãi suất hoặc quản lý chi phí hoạt động, từ đó làm tăng doanh thu nhanh hơn chi phí, dẫn đến khả năng sinh lợi cao hơn (Perry, 1992) Tuy nhiên, nếu lạm phát không được dự báo và kiểm soát hoàn toàn, những khoản lỗ của khoản vay sẽ được tích lũy, và từ đó làm giảm lợi nhuận ngân hàng (Tan,
2015) Lạm phát có những tác động khác nhau đối với nợ xấu Lạm phát cao có thể giúp cho việc trả nợ dễ dàng hơn do lạm phát làm giảm giá trị thực của các khoản vay Tuy nhiên, lạm phát có thể làm giảm giá trị thu nhập thực tế của khách hàng và cũng có thể làm suy yếu khả năng trả nợ Ngoài ra, lạm phát tăng cao làm cho giá cả hàng hoá trong nước tăng, sức mua giảm, đồng nội tệ bị mất giá kéo theo chi phí sản xuất tăng làm gia tăng gánh nặng cho các doanh nghiệp Do những kết luận khác nhau từ các nghiên cứu trước đây, mối quan hệ giữa lạm phát và rủi ro tín dụng có thể là tích cực hoặc tiêu cực (Castro, 2013; Chaibi và Ftiti, 2015).
MÔ HÌNH VÀ PHƯƠNG PHÁP NGHIÊN CỨU
Phương pháp nghiên cứu
Với mục tiêu nghiên cứu về sự tác động của các nhân tố ảnh hưởng đến nợ xấu tại các NHTM niêm yết tại HOSE, quy trình nghiên cứu được thực hiện như sau:
Bước 1: Tổng hợp cơ sở lý thuyết nền liên quan đến nợ xấu và các chỉ tiêu đánh giá, tổng hợp các nghiên cứu liên quan làm cơ sở đề xuất với bối cảnh NHTM Việt Nam mô hình và giả thuyết nghiên cứu tương ứng
Bước 2: Định ra mẫu nghiên cứu, thu thập mẫu với những phương pháp nào và xử lý dữ liệu thu thập từ 24 NHTM Việt Nam
Bước 3: Tiến hành thống kê mô tả, phân tích tương quan và hồi quy dữ liệu với các mô hình và kiểm định để chọn mô hình phù hợp
Bước 4: Mô hình được chọn sẽ được kiểm định phát hiện khuyết tật và khắc phục theo phương pháp FGLS để đưa ra kết quả nghiên cứu cuối cùng, từ đó thảo luận kết quả
Bước 5: Kết luận vấn đề nghiên cứu và đưa ra các hàm ý quản trị điều hành
3.1.2 Thu thập và xử lý số liệu
3.1.2.1 Mẫu nghiên cứu Đối với phân tích hồi quy đa biến thì cỡ mẫu tối thiểu cần đạt được tính theo công thức là 50 + 8 x m (m: số biến độc lập) (Tabachnick và Fidell, 1996) thì với nghiên cứu này thì 114 mẫu là tối thiểu Dữ liệu thu thập 24 NHTM Việt Nam từ
2011 – 2022 (12 năm) nên mẫu nghiên cứu có tổng cộng 288 quan sát, đáp ứng được số mẫu tối thiểu
3.1.2.2 Phương pháp thu thập dữ liệu
Các dữ liệu thứ cấp cần thu thập của 24 NHTM niêm yết tại HOSE được lấy từ các BCTC đã được kiểm toán từ năm 2011 – 2022 Dữ liệu được thiết kế dưới dạng bảng với từng nhóm của mỗi NHTM tương ứng theo từng năm Dữ liệu này được trình bày tại Phụ lục 1
3.1.3 Phương pháp xử lý số liệu
Phương pháp xử lý số liệu thông qua phần mềm thống kê STATA 14.0, được trích xuất tại Phụ lục 2 và theo trình tự như sau:
Bước 1 : Phương pháp thống kê mô tả được thực hiện nhằm mô tả rõ ràng nhất các đặc tính của các biến số trong mô hình đó là giá trị nhỏ nhất, lớn nhất, trung bình và độ lệch chuẩn Từ đó tác giả có thể đánh giá tình hình tổng quát chung của các biến số cũng như dữ liệu nghiên cứu có những sai lệch ban đầu gì hay không ?
Bước 2 : Tiến hành phân tích sự tương quan của các biến số độc lập trong mô hình nghiên cứu Phân tích này để thể hiện mối quan hệ tuyến tính giữa các biến số độc lập trong mô hình từng cặp với nhau Mặt khác, phân tích này cũng nhằm phát hiện xem mô hình có xảy ra hiện tương đa cộng tuyến nghiêm trọng hay không ? Nếu hệ số tương quan của các cặp biến cao hơn 0,8 thì mô hình có khả năng đang xuất hiện đa cộng tuyến nghiêm trọng
Bước 3 : Tiến hành phân tích hồi quy thông qua việc hồi quy dữ liệu trích xuất với ba mô hình đó là Pooled OLS, FEM, REM
Với mô hình Pooled OLS thì dạng mô hình này không xem xét đến đặc điểm không gian và thời gian của dữ liệu nên đơn giản dễ thực hiện Tuy nhiên mô hình này dễ gặp vấn đề tại hệ số Durbin Watson nhận dạng sai, ràng buộc chặt chẽ các đơn vị chéo không có nhưng điều này khó xảy ra ở thực tế Nên để khắc phục thì mô hình FEM, REM được sử dụng tiếp theo để xem xét
Với mô hình FEM thì đây là dạng thức tác động cố định và có thể sử dụng khi các đơn vị chéo quan sát không đồng nhất Mô hình này thì các biến độc lập có thể giải thích cho biến phụ thuộc có tính đến đặc trung của các đơn vị chéo thông qua kiểm soát các đặc điểm riêng Mặt khác mô hình FEM cho rằng các đơn vị chéo có sự khác biệt tại các hệ số chặn cố định nhưng mô hình REM là tác động ngẫu nhiên thì lại cho rằng khác biệt tại sai số Nếu FEM có sự biến động giữa các đơn vị tương quan đến các biến có tác động cố định thì tại REM được xem là sự ngẫu nhiên
Do đó, tại mỗi mô hình có những ưu và nhược điểm nhất định, vì vậy luận văn trích xuất cả ba mô hình nhằm xem xét sự tương đồng về kết quả Nhưng cuối cùng chỉ lựa chọn một mô hình tối ưu nhất cho luận văn Để thực hiện lựa chọn mô hình FEM, REM phù hợp thì thực hiện kiểm định Hausman Nếu kiểm định giữa FEM và Pooled OLS thì dùng kiểm định F – test, còn giữa REM và Pooled OLS thì kiểm định Breusch Pagan
Bước 4 : Sau khi đã lựa chọn được mô hình phù hợp thì tiếp tục kiểm định các hiện tượng khuyết tật có thể xảy ra với mô hình đó
Thứ nhất là tiến hành kiểm định hiện tượng phương sai sai số thay đổi Hiện tượng này xuất hiện sẽ làm cho phương sai các phần dư không phải là dạng hằng số, điều này dẫn đến chúng sẽ thay đổi với các quan sát khác nhau và không tuân theo phân phối chuẩn ngẫu nhiên Nguyên nhân có thể dẫn đến hiện tượng này đó là việc sai sót khi chỉnh sửa hay biến đổi dữ liệu tạo ra dạng hàm sai lệch Nếu hiện tượng này xảy ra sẽ làm cho mô hình hồi quy bị chệch, không thiên lệch nhưng tính hiệu quả và kết quả không tin cậy
Thứ hai là tiến hành kiểm định hiện tượng tự tương quan Hiện tượng này xuất hiện khi các biến quan sát trong bảng dữ liệu có tương quan với nhau Nguyên nhân tạo ra hiện tượng này là sai lệch khi lập mô hình và thu thập dữ liệu nếu hiện tượng xảy ra sẽ làm cho phương sai hay độ lệch chuẩn của mô hình sẽ quá thấp, kiểm định F sẽ không còn giá trị
Thứ ba là tiến hành kiểm định hiện tượng đa cộng tuyến Hiện tượng này xuất hiện khi có hai hay nhiều hơn các biến số độc lập trong mô hình có mối quan hệ tuyến tính với nhau Nguyên nhân chính tạo ra hiện tượng này là từ việc dữ liệu thu thập không đầy đủ, các biến số có công thức hay tính chất phản ánh giống nhau và có sự biến thiên nhỏ Nếu xuất hiện hiện tượng này thì các thống kê t không còn ý nghĩa, các sai số chuẩn của các hệ số sẽ trở nên lớn và nhạy cảm với những thay đổi nhỏ trong dữ liệu hay nói cách khác sẽ làm thay đổi các biến số còn lại trong dữ liệu Phép kiểm định đa cộng tuyến thường sử dụng hệ số phóng đại VIF phải nằm trong vùng từ 1 đến 5 sẽ an toàn Hoặc sử dụng ma trận tương quan của các cặp biến số
Bước 5 : Sau khi xác định các hiện tượng khuyết tật của mô hình thì ước lượng
FGLS để khắc phục Phương pháp này giống với OLS nhưng tập trung vào sửa sai cho các phương sai, độ lệch chuẩn và tính biến thiên của dữ liệu nhằm cho ra các kết quả thỏa mãn với giả thuyết bình phương nhỏ nhất trong tiêu chuẩn Sau khi cho ra kết quả thì giá trị P – value sẽ được xem xét so sánh với 5% để kết luận sự phù hợp.
KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN
Thống kê mô tả mẫu nghiên cứu và xem xét tính tương quan của các biến số độc lập trong mô hình nghiên cứu
4.1.1 Thực trạng nợ xấu tại các ngân hàng thương mại Việt Nam giai đoạn
Sau quá trình thu thập số liệu của 24 NHTM Việt Nam trong giai đoạn từ 2011 –
2022 thì tình hình nợ xấu được biểu diễn qua đồ thị dưới đây
Hình 4.1: Biểu đồ tình hình nợ xấu tại các NHTM Việt Nam trong giai đoạn 2011 – 2022
Nguồn: Kết quả chạy từ phần mềm STATA
Nợ xấu tại các NHTM niêm yết có xu hướng tăng từ 2011 – 2022 từ 1,60% lên đến 1,90% năm 2022 Trong đó, giai đoạn 2011 – 2015 thì tỷ lệ nợ xấu có xu hướng giảm vì trong những năm trước 2011 tỷ lệ nợ xấu các NHTM đang tăng quá nhanh nên NHNN buộc phải thực hiện các quy định nhằm hạn chế việc tăng trưởng dư nợ tín dụng nhằm đẩy lùi lại tỷ lệ nợ xấu, do đó, tỷ lệ nợ xấu giảm còn
0,79% tại năm 2015 Tuy nhiên, bắt đầu sau đó thì các ngân hàng này bắt đầu có xu hướng tăng trưởng tín dụng thậm chí đưa vào tăng trưởng nóng nhằm chạy đua cuộc đua lợi nhuaanh và mở rộng thị phần Do đó, từ năm 2015 đến 2020 tỷ lệ nợ xấu tăng từ 0,79% lên đến 1,57% và vẫn tiếp diễn trong hai năm tiếp theo
Tỷ lệ nợ xấu của hai năm 2021 – 2022 lần lượt là 1,88% và 1,90% Nguyên nhân đến từ đại dịch Covid 19 diễn ra trong giai đoạn nửa cuối năm 2020 và toàn bộ năm 2021 làm cho thị trường phải tạo đóng cửa ưu tiên cho công tác chống dịch, nên các hoạt động kinh doanh của các ngành nghề tại Việt Nam đều gặp khó khăn, khách hàng lâm vào tình trạng khó khăn do không tiêu thụ được hàng hóa vì vậy ảnh hưởng đến khả năng trả nợ gốc lãi cho ngân hàng nên tỷ lệ nợ xấu cũng vì đó tăng cao Sự ảnh hưởng này lan đến năm 2022, so sánh với thực tế thì năm 2022 hàng loạt các sự kiện kinh tế xảy ra, trong đó khủng hoảng thị trường tài chính lẫn tiền tệ làm cho các doanh nghiệp lẫn cá nhân lâm vào tình trạng khó khăn và khả năng trả nợ của các nhóm đối tượng cũng xấu đi, vì vậy tỷ lệ nợ xấu lại tiếp tục tăng và có xu hướng tăng trong thời gian tới đây
4.1.2 Thống kê mô tả các biến số trong mô hình nghiên cứu
Ngoài ra thì tình hình nợ xấu và các nhân tố khác trong mô hình nghiên cứu được trình bày trong bảng thống kê mô tả biểu diễn cho các giá trị trung bình (GTTB), giá trị lớn nhất (GTLN), giá trị nhỏ nhất (GTNN) và độ lệch chuẩn của các biến số khác trong mô hình nghiên cứu tại phần tiếp theo
Bảng 4.1: Thống kê mô tả
Biến Giá trị trung bình Độ lệch chuẩn Giá trị nhỏ nhất Giá trị lớn nhất
Biến Giá trị trung bình Độ lệch chuẩn Giá trị nhỏ nhất Giá trị lớn nhất
Nguồn: Kết quả chạy từ phần mềm STATA
Bảng 4.1 cho thấy tỷ lệ nợ xấu (NPL) có GTTB trong giai đoạn 2011 – 2022 là 1,3% với độ lệch chuẩn là 0,85%, giá trị lệch này cho thấy tỷ lệ NPLqua các năm tại NHTM Việt Nam không có sự thay đổi lớn giữa các NHTM Trong đó, GTNN là 0,01% của VIETCAP năm 2016 và GTLN là 3,35% của ACB năm
2011 Trong giai đoạn 2015 – 2016 thì tỷ lệ nợ xấu có xu hướng gia tăng do các NHTM tiến hành nới lỏng các quy trình và chính sách tín dụng do đó tỷ lệ nợ xấu của các NHTM thường vượt ngưỡng quy định 3%
Quy mô của NHTM (SIZE) được đo thông qua Log (Tổng tài sản) với GTTB là 32,773 và độ lệch chuẩn nhỏ 1,243, điều này cho thấy các NHTM trong giai đoạn này không tạo ra khoảng cách lớn hay biến động với quy mô của mình Quy mô NHTM nhỏ nhất với giá trị 30,3178 của SGB năm 2013 và lớn nhất thuộc về BID năm 2022 với giá trị là 35,5263 Tuy nhiên nhìn chung thì ngoài GTLN thuộc về BID năm 2022 thì nhìn chung qua các năm thì các NHTM có vốn sở hữu Nhà nước như VCB, Vietinbank, Agribank vẫn là các NHTM có quy mô đứng đầu toàn hệ thống
Tỷ suất sinh lời (ROE) qua các năm với GTTB là 21,46% và độ lệch chuẩn cao 13,01% Điều này cho thấy trong giai đoạn này khoảng cách của ROE giữa các NHTM luôn có sự cách biệt và biến động lớn Trong đó, SCB năm 2015 chiếm GTNN là 3,40% và SHB năm 2012 chiếm GTLN là 88,07% Nhìn chung về ROE thì các NHTM trong toàn giai đoạn thì các NHTM tư nhân thường có suất sinh lời cao hơn các NHTM có vốn Nhà nước nguyên nhân đến từ việc quy mô có phần nhỏ hơn nên VCSH bình quân cũng có giá trị nhỏ hơn, nên lợi nhuận sau thuế trên VCSH có xu hướng lớn hơn
Tốc độ tăng trưởng tín dụng (LGR) qua các năm có GTTB là 6.12% với độ lệch chuẩn không cao 1,21% Trong đó GTNN là 2,54% của MSB năm 2014 và GTLN là 10,14% của VPB năm 2022
“Tỷ lệ chi phí hoạt động (ME) có GTTB qua các năm là 1.7% nhưng độ lệch chuẩn lớn đến 0,54% GTNN là 0,42% của SCB năm 2011 và GTLN là 5,20% của TPB năm 2011 Hệ số an toàn vốn tại các NHTM (CAR) có GTTB qua các năm là 13,36 với độ lệch chuẩn là 5,85 Trong đó, hệ số này có GTNN tại SCB năm 2020 là 4.04 và GTLN tại SGB năm 2013 là 35,76 ” Đối với nền kinh tế thì đại diện bởi GDP và tỷ lệ lạm phát thì dễ dàng nhận thấy tốc độ tăng trưởng GDP trung bình mỗi năm là 5,85% với độ lệch thấp, trong đó thấp nhất là 2,58% trong năm 2021 và cao nhất là 8,02% năm 2022 Đối với tỷ lệ lạm phát thì trung bình mỗi năm là 4,98%, trong đó năm 2015 thấp nhất với tỷ lệ 0,63% và cao nhất là 18,68% năm 2011
4.1.3 Phân tích tương quan của các biến độc lập trong mô hình nghiên cứu
Phân tích này được thông qua ma trận tương quan giữa các biến số độc lập trong mô hình nghiên cứu nhằm xem xét chung có sự tương quan từng cặp với nhau hay không ? Nếu xảy ra tình trạng này chứng tỏ có hiện tượng đa cộng tuyến rất nghiêm trọng trong mô hình nghiên cứu Để xem xét hiện tượng này thì sẽ thông qua hệ số tương quan từng cặp của các biến số với nhau và yêu cầu không được cao hơn 0,8 (Farrar và Glauber, 1967) Ma trận tương quan của các biến số độc lập được thiết lập như sau:
Bảng 4.2: Ma trận hệ số tương quan của các biến độc lập trong mô hình
SIZE ROE LGR ME CAR GDP CPI STA
Nguồn: Kết quả chạy từ phần mềm STATA
Bảng 4.2 cho thấy độ lớn các hệ số tương quan trên ma trận đều nhỏ hơn 0,8 điều này cho thấy mô hình không có hiện tượng đa cộng tuyến nghiêm trọng Ngoài ra, hệ số tương quan của STA với GDP và CPI là 0 điều này cho thấy cấu trúc sở hữu của NHTM không phụ thuộc và chịu sự ảnh hưởng qua lại bởi tình hình kinh tế vĩ mô.
Kết quả nghiên cứu thực nghiệm
4.2.1 Tổng hợp kết quả hồi quy của các mô hình
Như đã đề cập tại chương 3 thì ba mô hình hồi quy theo phương pháp bình phương nhỏ nhất mà tác giả sẽ sử dụng để phân tích trong luận văn này đó là
Pooled OLS, FEM và REM nhằm xem xét các nhân tố ảnh hưởng đến nợ xấu tại các NHTM Việt Nam
Bảng 4.3: Tổng hợp kết quả hồi quy Pooled OLS, FEM và REM
Tên biến Pooled OLS FEM REM
***,** và * lần lượt chỉ ý nghĩa thống kê ở mức 1%, 5% và 10%
Nguồn: Kết quả chạy từ phần mềm STATA
Bảng 4.3 cho thấy R 2 đều lớn hơn 45% Các biến số độc lập SIZE, ROE, LGR, CPI đều tác động đến NPL với mức ý nghĩa 1% Ngoài ra, ME lại chỉ “ có ý nghĩa thống kê tác động đến NPL với mức ý nghĩa 1% tại mô hình Pooled OLS, nhưng lại không có ý nghĩa tại FEM, REM ” Nhưng xét về tổng thể thì các biến số các sự tác động và chiều tác động tương đồng nhau tại các mô hình do đó dữ liệu nghiên cứu phù hợp để có những kiểm định tiếp theo
Từ kết quả của các mô hình nghiên cứu, để xác định tính tối ưu của mô hình Pooled OLS, FEM, REM thì ta cần thực hiện một số kiểm định giữa các phương pháp với nhau bao gồm kiểm F-test giữa Pooled OLS và FEM, kiểm định Hausman giữa FEM và REM, cuối cùng lựa chọn phương pháp ước lượng phù hợp
4.2.2 Kiểm định lựa chọn mô hình
4.2.2.1 Kiểm định Hausman lựa chọn giữa mô hình FEM và REM
So về tính vững thì FEM, REM vững hơn Pooled OLS Do đó, cần có sự lựa chọn một trong hai mô hình này để kết luận kết quả nghiên cứu Để thực hiện việc lựa chọn thì cần kiểm định Hausman
Cặp giả thuyết được đặt như sau H0 là không tồn tại giữa các biến số độc lập và phần dư tương quan, ủng hộ sự phù hợp của REM H1 là có sự tồn tại giữa các biến số độc lập và phần dư tương quan, ủng hộ sự phù hợp của FEM
Bảng 4.4: Kết quả kiểm định sự phù hợp của mô hình FEM và REM Test: Ho: difference in coefficients not systematic chi2(6) = (b-B)'[(V_b-V_B)^(-1)](b-B)
Nguồn: Kết quả chạy từ phần mềm STATA
Bảng 4.4 cho thấy kiểm định Hausman ủng hộ lựa chọn mô hình “ FEM Mặt khác, trong ba mô hình thì FEM có tính vững nhất nên kết quả này hoàn toàn phù hợp để tiếp tục các kiểm định tiếp theo ”
4.2.2.2 Kiểm định F để so sánh giữa mô hình FEM và Pooled OLS Để lựa chọn mô hình thích hợp để nghiên cứu hơn giữa mô hình Pooled OLS “ và mô hình tác động cố định (FEM), tác giả sử dụng kiểm định F-test Giả thuyết kiểm định H0 là không có sự khác biệt giữa các đối tượng hoặc thời điểm khác nhau (mô hình Pooled OLS phù hợp) Giả thuyết H1 là có sự khác biệt giữa các đối tượng hoặc thời điểm khác nhau (mô hình FEM phù hợp) ”
Bảng 4.5: Kết quả kiểm định sự phù hợp của mô hình Pooled OLS và FEM
Nguồn: Kết quả chạy từ phần mềm STATA
Dựa trên kết quả kiểm định F-test, giá trị P-value = 0,000 có mức ý nghĩa thấp hơn 0.05, cho phép chúng ta chấp nhận giả thuyết H1 và từ bỏ giả thuyết H0 Điều này có nghĩa rằng mô hình tác động cố định (FEM) được xem xét là phù hợp hơn cho nghiên cứu này
4.2.3 Kiểm định khuyết tật mô hình FEM
4.2.3.1 Kiểm định phương sai sai số thay đổi cho mô hình FEM Để xem xét mô hình có xuất hiện hiện tượng phương sai thay đổi và không làm thay đổi tính không chệch và nhất quán của các ước lượng bình phương nhỏ nhất thì tiến hành kiểm định sau “ Cặp giả thuyết được đặt ra đó là H0 là không có sự tồn tại của hiện tượng phương sai sai số thay đổi trong mô hình, H1 là có sự tồn tại của hiện tượng phương sai sai số thay đổi trong mô hình ”
Bảng 4.6: Kết quả kiểm định hiện tượng phương sai sai số thay đổi
H0: sigma(i)^2 = sigma^2 for all i chi2 (22) = 183,60 Prob>chi2 = 0,0000
Nguồn: Kết quả chạy từ phần mềm STATA
Bảng 4.6 đã chỉ ra rằng hệ số P – Value của kiểm định này là 0,000 thấp hơn mức ý nghĩa 5%, điều này đồng nghĩa với việc chấp nhận giả thuyết H1 hay nói cách khác có hiện tượng tồn tại
4.2.3.2 Kiểm định tự tương quan cho mô hình FEM Để xem xét mô hình có hiện tượng tự tương quan để và nếu xảy ra thì phương sai và sai số tiêu chuẩn của dự đoán đã tính được cũng có thể không hiệu quả Cặp giả thuyết được đặt ra đó là H0 là không có sự tồn tại của hiện tượng tự tương quan trong mô hình, H1 là có sự tồn tại của hiện tượng tự tương quan trong mô hình
Bảng 4.7: Kết quả kiểm định hiện tượng tự tương quan
Wooldridge test for autocorrelation in panel data
Nguồn: Kết quả chạy từ phần mềm STATA
Bảng 4.7 đã chỉ ra rằng hệ số P – Value của kiểm định này là 0,000 thấp hơn mức ý nghĩa 5%, điều này đồng nghĩa với việc chấp nhận giả thuyết H1 hay nói cách khác có hiện tượng trong mô hình
4.2.3.3 Khắc phục khuyết tật mô hình FEM
Sau khi thực hiện các kiểm định khuyết tật của mô hình FEM với biến phụ thuộc NPL thì hai hiện tượng phương sai thay đổi và tự tương quan đang diễn ra tại mô hình này, do đó, tiến hành khắc phục các khuyết tật này bằng phương pháp FGLS Với biến phụ thuộc là NPL thì sau khi kiểm định các hiện tượng khuyết tật và khắc phục tương ứng thì nhận được kết quả P – value của mô hình theo phương pháp FGLS là 0,000 thấp hơn mức ý nghĩa 5% Điều này chứng minh được mô hình cuối cùng này phù hợp với tổng thể và có ý nghĩa thống kê phân tích tiếp theo Mặt khác, bảng 4.8 dưới đây cũng thể hiện sự tương đồng cao về dấu tác động của các biến độc lập trong mô hình đến NPL Do đó có sự phù hợp để thảo luận kết quả này
Bảng 4.8: Kết quả ước lượng mô hình bằng phương pháp FGLS
Hệ số hồi quy Sai số chuẩn Giá trị P-value
(*), (**), (***) tương ứng với mức ý nghĩa 10%; 5%; 1%
Nguồn: Kết quả chạy từ phần mềm STATA
Kết quả mô hình nghiên cứu có phương trình như sau:
NPLi,t = -0,1661 + 0,0051*SIZEit – 0,0131*ROEit + 0,1289*LGRit + 0,1521*MEit + 0.0002*CARit – 0,0245*GDPt + 0,0462*CPIt – 0,0061*STAt
Từ kết quả mô hình nghiên cứu cuối cùng đã được khắc phục khuyết tật theo phương pháp FGLS, sau đó đối sánh với các giả thuyết nghiên cứu đã được đặt ra tại chương 3 thì sẽ có những kiểm định giả thuyết được trình bày dưới bảng dưới đây:
Bảng 4.9: Tóm tắt kết quả nghiên cứu
NPL Giả thuyết Kết quả nghiên cứu
Kỳ vọng Kết quả P-value Mức ý nghĩa
SIZE + + 0,0000 Chấp nhận giả thuyết H1
ROE - - 0,0000 Chấp nhận giả thuyết H2
LGR + + 0,0000 Chấp nhận giả thuyết H3
ME + + 0,0170 Chấp nhận giả thuyết H4
CAR - + 0,0080 Bác bỏ giả thuyết H5
GDP - - 0,0400 Chấp nhận giả thuyết H6
CPI + + 0,0000 Chấp nhận giả thuyết H7
STA + - 0,0000 Bác bỏ giả thuyết H8
Nguồn: Tổng hợp của tác giả