GIỚI THIỆU NGHIÊN CỨU
LÝ DO CHỌN ĐỀ TÀI NGHIÊN CỨU
Hệ thống ngân hàng thương mại (NHTM) đóng vai trò là huyết mạch của nền kinh tế quốc gia Trong đó, tín dụng là hoạt động then chốt, tạo nên doanh thu chính của ngân hàng (NH), đồng thời cũng là chiếc cầu nối giữa cung - cầu về vốn tiền tệ trong nền kinh tế Vì vậy, việc nghiên cứu về tác động của rủi ro tín dụng (RRTD) đến hiệu quả NHTM là vấn đề rất cần đƣợc quan tâm Ekinci & Poyraz
(2019) cho rằng mặc dù hoạt động tín dụng mang lại nguồn thu nhập dồi dào nhƣng đồng thời đây cũng là một trong những hoạt động tiềm ẩn nhiều rủi ro nhất cho NH
RRTD đƣợc định nghĩa theo asel Committe on anking Supervision và Bank for International Settlements (2000) là khả năng mà khách hàng không thực hiện các điều khoản vay vốn sau khi đã kí kết hợp đồng Rủi ro này cũng đƣợc cho là rủi ro ảnh hưởng nhiều nhất đến hiệu quả hoạt động (HQHĐ) của NH (Boffey và Robson, 1995) Ngoài ra, nghiên cứu của Nair và Fissha (2010) cho thấy rằng tỷ lệ nợ xấu (NPLR) cao sẽ gây ảnh hưởng tiêu cực đến sự ổn định của NH, nói cách khác, nợ xấu – chỉ số đại diện cho RRTD càng cao thì khả năng NH phải đối mặt với khủng hoảng tài chính càng cao
Trong năm 2022 và nửa đầu năm 2023, FED bắt đầu tăng lãi suất lên mức cao kỉ lục sau khoảng thời gian duy trì chính sách tiền tệ nới lỏng, cùng thời điểm đó xung đột giữa Nga và Ukraine cũng diễn ra, gây ảnh hưởng xấu đến tài chính toàn cầu Cụ thể, trong tháng 3/2023 đã liên tiếp có 3 NH Mỹ sụp đổ: Silvergate Bank (08/3/2023), Silicon Valley Bank - SVB (10/3/2023) và Signature Bank (12/3/2023), điều này đã khiến cho hệ thống NH trên nhiều quốc gia cũng bị ảnh hưởng ít nhiều, đặc biệt là các quốc gia đang phát triển Đã có nhiều tài liệu nghiên cứu cho thấy rằng hệ thống NH ở Đông Nam Á đang đối mặt với nợ xấu tăng cao trong khi tăng trưởng tín dụng chậm lại, thu nhập ngoài lãi giảm mạnh, chất lượng tài sản suy yếu (Phạm Thị Thanh ình, Vũ Nhật Quang, 2023)
Trong nước, sau đại dịch Covid-19, do hậu quả của các biện pháp giãn cách xã hội nên chuỗi cung ứng bị đứt gãy ên cạnh đó, đại dịch Covid-19 cũng là một trong những nguyên nhân khiến kế hoạch trả nợ của khách hàng bị ảnh hưởng, điều này góp phần khiến số dƣ nợ xấu của các NH tăng lên Theo Thống đốc Ngân hàng Nhà nước (NHNN), dư nợ dự kiến bị ảnh hưởng bởi dịch Covid-19 đến nay khoảng
2 triệu tỷ đồng, chiếm khoảng 23% dƣ nợ toàn hệ thống Trong đó, một số lĩnh vực có dƣ nợ lớn là nông, lâm nghiệp; chế biến thực phẩm, đồ uống; dệt may; xi măng; giao thông; vận tải; du lịch; kinh doanh bất động sản ( ĐS) Vì thế, Thông tƣ 14/2021/TT-NHNN 1 kết thúc vào ngày 30/06/2022 càng gia tăng áp lực từ các khoản nợ xấu của NH Đặc biệt trong năm 2023, các chính sách kiểm soát trái phiếu doanh nghiệp và thắt chặt tín dụng ĐS khiến các doanh nghiệp khó tiếp cận nguồn vốn, do đó tình trạng nợ xấu tiếp tục tăng cao Do đó, theo Quyết định 950/QĐ- NHNN, NHNN đã 3 lần ra quyết định hạ lãi suất điều hành để hỗ trợ người dân và doanh nghiệp tăng khả năng tiếp cận vốn, góp phần phục hồi hoạt động kinh doanh
Theo báo cáo tài chính ( CTC) quý I/2023 của 27 NH niêm yết trên thị trường chứng khoán, nợ xấu của đa số NH tăng mạnh lên đến 50-70% và tỷ lệ dự phòng rủi ro giảm so với quý trước Cụ thể, tỷ lệ nợ xấu của M ank là 1,75% (tăng 0,66% so với 2022) Cùng với đó, Eximbank và A ank cũng có số dƣ nợ xấu tăng mạnh, đặc biệt là nợ dưới chuẩn Trong 4 NH lớn mạnh nhất Việt Nam, IDV cũng ghi nhận NPLR tăng từ 1,19% đến 1,59% Ngoài ra, 5 ngân hàng có tỷ lệ nợ xấu giảm là LP ank, KienlongBank, PGBank, VietABank, Techcombank
1 Về việc gia hạn nợ và giữ nguyên nhóm nợ ban hành, cho phép các khoản nợ đến hạn, các khoản trả lãi đến hạn của người dân, doanh nghiệp gặp khó khăn chưa có điều kiện trả nợ ngân hàng được tiếp tục giãn, hoãn thời hạn trả nợ và không bị chuyển nhóm nợ
Riêng ACB, Vietcombank, BacABank là 3 NH có chất lƣợng tài sản tốt, vẫn duy trì NPLR thấp dưới 1%, lần lượt là 0,98%, 0,85% và 0,57%, dù tỷ lệ này có tăng nhẹ so với cuối năm 2022 (Vân Anh, 2023) Đã có rất nhiều nghiên cứu về tác động của RRTD đến HQHĐ của NHTM trên thế giới qua nhiều khoảng thời gian khác nhau Cụ thể, Kani và cộng sự (2017) đã sử dụng biến phụ thuộc ROA đại diện cho HQHĐ của NH khi đo lường RRTD của 20 ngân hàng ở các quốc gia thành viên của Liên minh Kinh tế và Tiền tệ Tây Phi (WAEMU) trong khoảng thời gian 9 năm (2007-2015) Kết quả cho thấy rằng 2 chỉ số đại diện cho RRTD là NPL và LLP có tương quan ngược chiều với ROA Ngƣợc lại, ở nghiên cứu của howmik và cộng sự (2021) sử dụng dữ liệu nghiên cứu từ 118 NHTM của các nước khu vực Nam Á (SAARC) trong giai đoạn 2011-
2019 lại chỉ ra các biến tăng trưởng cho vay, vốn chủ sở hữu (VCSH) và tỷ lệ nợ xấu đều có tác động tích cực với ROA
Tại Việt Nam cũng có không ít tác giả nghiên cứu về vấn đề này trong nhiều giai đoạn khác nhau Nguyễn Thành Đạt và cộng sự (2021) cũng xem xét mối quan hệ này tại các NHTM Việt Nam từ 2007 đến 2019 Trong mô hình, HQHĐ đƣợc ƣớc lƣợng bằng ROA và ROE, còn tỷ lệ nợ xấu, quy mô NH, tỷ lệ DPRR cho vay đại diện cho RRTD của NH Kết quả cho thấy tất cả các biến đều có mối quan hệ cùng chiều với HQHĐ Trái lại, Nguyễn Quốc Anh (2016) nghiên cứu cùng đề tài với dữ liệu là 26 NHTM Việt Nam trong từ 2005 đến 2015 Kết luận cuối cùng thể hiện rằng RRTD tác động tiêu cực đến HQHĐ của NH Ngoài ra có một số tác giả chọn phân tích mối quan hệ giữa RRTD và HQHĐ của NH trong bối cảnh dịch Covid – 19 Cụ thể, Dương Thị Ánh Tiên (2022), thông qua mô hình PVAR và phép kiểm định nhân quả Granger Causality, kết luận rằng luôn tồn tại mối quan hệ hai chiều giữa ROA và rủi ro của NH trong điều kiện khủng hoảng tài chính và đại dịch Covid-19 Còn ở nghiên cứu của Phạm Xuân Quỳnh (2023), sau khi phân tích các yếu tố ảnh hưởng đến khả năng sinh lời của các NHTM Việt Nam trong bối cảnh dịch Covid-19, tác giả cho rằng tỷ lệ dự phòng RRTD ảnh hưởng tiêu cực đến ROA, ROE
Từ việc sử dụng các biến đại diện và các mô hình khác nhau dẫn đến sự khác biệt trong từng kết quả nghiên cứu Hơn nữa, tình hình kinh tế, chính trị lẫn các chính sách, quy định pháp lý của từng thời điểm, ở các quốc gia khác nhau cũng góp phần tạo nên sự khác biệt Sự cần thiết của việc đánh giá tác động của RRTD đến HQHĐ của các NHTMCP Việt Nam đƣợc thể hiện qua những tranh luận trái chiều về đề tài này Điều này đặc biệt quan trọng khi Việt Nam đang nằm trong bối cảnh phải chịu nhiều tác động từ đại dịch Covid-19 Vì vậy, việc nghiên cứu về vấn đề này là hết sức cần thiết dựa trên nhu cầu thực tế và bức thiết tại các NHTMCP Việt Nam, từ đó tác giả lựa chọn "Tác động của rủi ro tín dụng đến hiệu quả hoạt động của các Ngân hàng Thương mại cổ phần niêm yết trên sàn chứng khoán Việt Nam" làm đề tài nghiên cứu.
MỤC TIÊU NGHIÊN CỨU
Mục tiêu tổng quát của đề tài đó là nghiên cứu mức độ tác động của RRTD đến HQHĐ của các NHTMCP Việt Nam, từ đó đề xuất hàm ý chính sách nhằm hạn chế RRTD và nâng cao HQHĐ của các NHTMCP Việt Nam
Thứ nhất là xác định mối quan hệ giữa RRTD và HQHĐ của các NHTMCP Việt Nam
Thứ hai là đo lường mức độ tác động của RRTD đến HQHĐ của các NHTMCP Việt Nam
Thứ ba là đề xuất hàm ý chính sách nhằm hạn chế RRTD và nâng cao HQHĐ của các NHTMCP Việt Nam.
CÂU HỎI NGHIÊN CỨU
Để giải quyết các mục tiêu nghiên cứu nêu trên, tác giả đề xuất một số câu hỏi nghiên cứu:
Thứ nhất, có tồn tại sự tác động của RRTD đến HQHĐ tại các NHTMCP Việt Nam hay không?
Thứ hai, RRTD đến HQHĐ của các NHTMCP Việt Nam theo chiều hướng và mức độ nào?
Thứ ba, dựa vào kết quả nghiên cứu, những chính sách hạn chế RRTD và nâng cao HQHĐ của NHTMCP Việt Nam là gì?
ĐỐI TƢỢNG VÀ PHẠM VI NGHIÊN CỨU
Khóa luận tập trung nghiên cứu tác động của RRTD đến HQHĐ của 25 NHTMCP niêm yết tại Việt Nam
Về không gian, số liệu thu thập đƣợc từ CTC của 25 NHTMCP niêm yết tại Việt Nam, tác giả đã loại đi các ngân hàng chƣa niêm yết và không công bố đủ dữ liệu
Về thời gian, dữ liệu nghiên cứu đƣợc thu thập trong giai đoạn 12 năm từ
2011 đến 2022 Khoảng thời gian này mang tính cập nhật vì sát với thời gian thực hiện bài nghiên cứu và là giai đoạn nền kinh tế bị ảnh hưởng bởi đại dịch Covid-19, đây cũng là một trong các yếu tố có thể ảnh hưởng đến HQHĐ của các NH.
PHƯƠNG PHÁP NGHIÊN CỨU
Phương pháp thu thập dữ liệu thứ cấp được sử dụng trong bài nghiên cứu lấy từ các nguồn chính thống bao gồm CTC của 25 NHTMCP Việt Nam, website NH, Tổng cục Thống kê Việt Nam và The World ank
Bằng phương pháp định tính, tác giả khảo lược cơ sở lý thuyết và các nghiên cứu trước đây, sau đó thiết kế mô hình nghiên cứu phù hợp Tiếp theo, tác giả sử dụng phương pháp thống kê mô tả để xác định tỉ lệ trung bình, độ lệch chuẩn, giá trị lớn nhất, nhỏ nhất của từng biến ằng phương pháp định lượng, thông qua phần mềm Stata 14 để kiểm định tác động của RRTD đến HQHĐ ngân hàng, bài viết sử dụng các mô hình hồi quy sau: OLS, FEM, REM Sau đó, để đảm bảo mô hình lựa chọn là phù hợp và đáng tin cậy, tác giả tiếp tục thực hiện kiểm định một số khuyết tật bao gồm hiện tƣợng đa cộng tuyến, tự tương quan, phương sai thay đổi Nếu phát hiện có các khuyết tật và hiện tượng nội sinh, tác giả sử dụng phương pháp GMM (Generalized method of moment) để khắc phục giúp cho mô hình vững chắc hơn
Ngoài ra, phương pháp nghiên cứu diễn dịch, quy nạp, tổng hợp, so sánh, phân tích cũng đƣợc tác giả sử dụng để nhận xét thực trạng RRTD, HQHĐ của 25 NHTMCP giai đoạn 2011-2022.
ĐÓNG GÓP CỦA ĐỀ TÀI
Về thực tiễn, phân tích tác động RRTD tới HQHĐ của các NHTMCP Việt Nam giúp các nhà quản trị NH, cơ quan quản lý Nhà nước, các nhà đầu tư cũng như nhà nghiên cứu hiểu rõ hơn mối quan hệ của RRTD đến HQHĐ Từ đó, giúp họ có thể tìm ra những giải pháp kiểm soát và hạn chế sự tiêu cực của RRTD cũng nhƣ góp phần nâng cao HQHĐ của NH thông qua các chiến lƣợc, chính sách kinh tế đúng đắn trong tương lai
Về lý thuyết, kết quả nghiên cứu đóng góp thêm một bằng chứng thực nghiệm cho các nghiên cứu trước, đồng thời cũng là cơ sở cho các nghiên cứu sau có liên quan đến đề tài tác động của RRTD đến HQHĐ của NHTM, ngoài ra bài nghiên cứu sử dụng sự kiện Covid-19 để làm rõ sự ảnh hưởng của nó đến hệ thống NHTM Việt Nam và thị trường bất động sản vì chúng có mối quan hệ chặt chẽ với nhau, đây cũng là khoảng trống mà các nghiên cứu trước ít đề cập.
KẾT CẤU CỦA ĐỀ TÀI
Ngoài danh mục từ viết tắt, danh mục các bảng biểu, danh mục tài liệu tham khảo, phụ lục, nội dung đề tài bao gồm 5 chương cùng các nội dung chính sau:
CHƯƠNG 1: GIỚI THIỆU ĐỀ TÀI NGHIÊN CỨU
Chương này nêu lý do chọn đề tài, mục tiêu nghiên cứu tương ứng với lần lƣợt các câu hỏi nghiên cứu cũng nhƣ phạm vi và đối tƣợng của nghiên cứu Cuối cùng, chương này sẽ kết thúc bằng cách trình bày đóng góp của đề tài và cấu trúc dự kiến của khóa luận.
CƠ SỞ LÝ THUYẾT VÀ NGHIÊN CỨU THỰC NGHIỆM
RỦI RO TÍN DỤNG
2.1.1 Khái niệm Đã có rất nhiều khái niệm khác nhau về RRTD trên thế giới Cụ thể, theo Timothy và MacDonald (1995) cho rằng RRTD là khi khách hàng không thực hiện nghĩa vụ trả nợ đúng hạn dẫn đến tổn thất về thu nhập và vốn tín dụng Thomas P Fitch (1997) cho rằng khi khách hàng vay không có khả năng trả nợ theo đúng cam kết trong hợp đồng dẫn đến vi phạm nghĩa vụ trả nợ đƣợc gọi là RRTD Đây là một trong những nguyên nhân gây ra những tổn thất lớn cho hoạt động tín dụng của NH Ngoài ra, Ủy ban giám sát Basel (BCBS) nhận định rằng việc vi phạm nghĩa vụ trả nợ đã thỏa thuận giữa người đi vay và NH được gọi là RRTD, nó xuất phát từ sự không chắc chắn của người đi vay Ở trong nước, RRTD trong hoạt động của tổ chức tín dụng (TCTD) được NHNN Việt Nam định nghĩa là tổn thất có khả năng xảy ra với TCTD khi khách hàng không thực hiện hoặc không có khả năng thực hiện một phần hay toàn bộ nghĩa vụ của mình nhƣ đã thỏa thuận Ngoài ra, (Phan Thị Thu Hà, 2007) đƣa ra khái niệm về RRTD trong giáo trình Ngân hàng thương mại là NH có thể phải chịu những thiệt hại ngoài dự kiến bởi khách hàng trả nợ sai thời hạn hoặc không trả đủ nợ
Qua các quan điểm nêu trên, nhận định riêng của tác giả về RRTD là rủi ro xuất phát chủ yếu trong hoạt động cho vay, khi người vay không có khả năng thanh toán cả lãi vay và gốc cho NH hoặc thanh toán trễ hạn theo như thỏa thuận trước đó RRTD là một chỉ số phản ánh sức khỏe tài chính của TCTD, chỉ số này càng cao càng gây ảnh hưởng đến sự ổn định của NH
2.1.2 Các chỉ tiêu đo lường rủi ro tín dụng
Việc lựa chọn chỉ tiêu nào để đo lường, đánh giá RRTD còn tùy thuộc vào từng giai đoạn và quan điểm của mỗi nhà nghiên cứu Trong bài khóa luận này, tác giả sử dụng hai chỉ tiêu đại diện cho RRTD là tỷ lệ nợ xấu (NPLR) và tỷ lệ dự phòng RRTD (LLPR), đây là hai chỉ tiêu được các nghiên cứu trong và ngoài nước đánh giá là phù hợp để phân tích tác động của RRTD đến HQHĐ của NH
2.1.2.1 Tỷ lệ nợ xấu (Non-performing Loan Ratio – NPLR ) Đã có rất nhiều định nghĩa và lý thuyết về nợ xấu trên thế giới, cụ thể nhƣ theo Berger và Humphrey (1997) cho rằng Non-performing loan hay nợ xấu là khoản vay quá hạn thanh toán ít nhất 90 ngày Ngoài ra, Ủy Ban Basel chỉ ra rằng khi thỏa một trong hai tiêu chí sau thì nợ xấu sẽ xảy ra: khách hàng vay không có khả năng hoàn tất khoản nợ khi NH chƣa thực hiện biện pháp thu hồi nợ nào hoặc khoản nợ đã trễ quá hạn 90 ngày Dương Hữu Hạnh (2012) viết trong cuốn sách
“Quản trị Ngân hàng thương mại trong cạnh tranh toàn cầu” rằng NPL là các khoản nợ dưới tiêu chuẩn, nợ nghi ngờ và nợ có khả năng mất vốn Ở bài nghiên cứu này, tác giả sử dụng NPLR đại diện cho RRTD vì chỉ số này mang các đặc điểm liên quan đến RRTD và cũng là biến được sử dụng phổ biến trong các nghiên cứu trước về đề tài này
NPL đƣợc tính toán bởi công thức sau:
NPLR càng cao thì RRTD càng cao, khiến cho các khoản nợ khó có khả năng thu hồi, từ đó sức khỏe tài chính của NH cũng bị suy giảm Ngƣợc lại, nếu NH có các biện pháp tối thiểu tỷ lệ nợ xấu có thể cải thiện đƣợc chất lƣợng hoạt động tín dụng Hiện nay, theo tiêu chuẩn quốc tế, mức an toàn chấp nhận đƣợc đối với tỷ lệ nợ xấu là dưới 3%
Theo Ngân hàng nhà nước quy định, các nhóm nợ được phân ra thành 5 nhóm Nợ nhóm 1 bao gồm các khoản nợ trong hạn, quá hạn dưới 10 ngày và khoản nợ có rủi ro thấp hơn, khả năng thu hồi cả gốc lẫn lãi của nhóm này đƣợc cho là cao Nợ nhóm 2 bao gồm các khoản nợ quá hạn từ 10 ngày đến 90 ngày cũng nhƣ khoản nợ cơ cấu lại thời hạn trả nợ lần đầu Tiếp theo, nợ quá hạn từ 91 ngày đến
180 ngày; khoản nợ gia hạn nợ lần đầu còn trong hạn; khoản nợ đƣợc miễn hoặc giảm lãi do khách hàng không thể trả đầy đủ phần lãi nhƣ cam kết sẽ đƣợc xếp vào nhóm nợ 3 Nợ nhóm 4 là các khoản nợ quá hạn từ 181 ngày đến 360 ngày; Các khoản nợ được gia hạn lần đầu quá hạn dưới 90 ngày cho mỗi lần gia hạn lần đầu tiên; Các khoản nợ đƣợc gia hạn lần thứ hai Cuối cùng là nợ nhóm 5, bao gồm các khoản nợ quá hạn trên 360 ngày; Các khoản nợ đƣợc gia hạn với thời hạn quá hạn
2.1.2.2 Tỷ lệ dự phòng rủi ro tín dụng (Loan Loss Provision Ratio –
Theo nghiên cứu của Fisher và cộng sự (2001), kết quả chỉ ra rằng NPLR và LLPR của NH có mối quan hệ cùng chiều với nhau, có nghĩa là khi nợ xấu tăng cao thì bộ đệm dự phòng của NH cũng cần đƣợc nâng cao để tăng khả năng phòng thủ trước những rủi ro không đáng có Ngoài ra, trong cuốn sách của mình, Dương Hữu Hạnh (2012) cũng có nêu khái niệm về dự phòng rủi ro rằng “Dự phòng rủi ro là khoản tiền đƣợc trích lập để dự phòng cho những tổn thất có thể xảy ra do khách hàng của TCTD không thực hiện nghĩa vụ theo cam kết” LLPR đƣợc tính toán nhƣ sau:
Dự phòng rủi ro đƣợc chia thành hai loại đó là dự phòng cụ thể và dự phòng chung Dự phòng cụ thể là khoản tiền đƣợc trích lập cho từng khoản nợ cụ thể dựa trên mức độ rủi ro của khoản nợ đó Dự phòng chung là khoản chi phí đƣợc trích lập chung cho tất cả khoản nợ chƣa xác định đƣợc trong các giai đoạn
Bảng 2.1 Phân loại nợ và trích lập dự phòng
Phân loại nợ Định lƣợng Định tính
Các khoản nợ trong hạn và nợ quá hạn dưới
10 ngày đƣợc đánh giá là có khả năng thu hồi đầy đủ cả gốc và lãi đúng hạn
Các khoản nợ do TCTD, chi nhánh ngân hàng nước ngoài nắm giữ, đƣợc đánh giá có khả năng thu hồi hoàn toàn cả gốc và lãi đúng hạn
Nợ quá hạn từ 10 ngày đến 90 ngày; Các khoản nợ điều chỉnh kỳ trả nợ lần đầu
Các khoản nợ do TCTD, chi nhánh ngân hàng nước ngoài nắm giữ đƣợc đánh giá có khả năng thu hồi toàn bộ cả gốc và lãi cao nhƣng có dấu hiệu giảm khả năng trả nợ của khách hàng
Nợ quá hạn từ 91 ngày đến 180 ngày; Nợ gia hạn lần đầu; Các khoản nợ đƣợc miễn, giảm lãi do khách hàng không có khả năng trả lãi đầy đủ theo hợp đồng tín dụng
Các khoản nợ do TCTD, chi nhánh ngân hàng nước ngoài nắm giữ đƣợc đánh giá không có khả năng thu hồi gốc, lãi khi đến hạn và đƣợc đánh giá là có khả năng suy giảm
Nợ quá hạn từ 181 ngày đến 360 ngày;
Các khoản nợ đƣợc gia hạn lần đầu quá hạn dưới 90 ngày cho mỗi lần gia hạn lần đầu tiên; Các khoản nợ đƣợc gia hạn lần thứ hai
Nợ của tổ chức tín dụng, chi nhánh ngân hàng nước ngoài được đánh giá có khả năng suy giảm cao 50%
(Nợ có khả năng mất
Nợ quá hạn trên 360 ngày; Các khoản nợ đƣợc gia hạn với thời
Các khoản nợ đƣợc TCTD, chi nhánh ngân hàng nước ngoài đánh
100% 0% vốn) hạn quá hạn 180 ngày giá là không còn khả năng thu hồi, mất vốn
Nguồn: Thông tư 11/2021/TT-NHNN
HIỆU QUẢ HOẠT ĐỘNG CỦA NGÂN HÀNG THƯƠNG MẠI
Theo Trung Ƣơng Châu Âu (EC ), khả năng mà NH tạo ra lợi nhuận bền vững đƣợc gọi là HQHĐ Còn theo Berger (1997), HQHĐ của NH là khả năng sử dụng các nguồn lực để tạo ra kết quả tối ƣu trong hoạt động kinh doanh Farrell
(1957) cho rằng HQHĐ là lợi ích đem lại từ hoạt động cụ thể, nhằm đánh giá khả năng tối đa hóa doanh thu của doanh nghiệp khi đã biết chi phí đầu vào Ngoài ra, (Nguyễn Thành Độ, Nguyễn Ngọc Huyền, 2012) đã nêu quan điểm trong cuốn Giáo trình Quản trị kinh doanh rằng HQHĐ phản ánh trình độ lợi dụng của các nguồn lực để đạt đƣợc các mục tiêu kinh doanh Việc đánh giá HQHĐ chỉ dành cho doanh nghiệp nhắm vào mục tiêu tối đa hóa lợi nhuận Đánh giá hiệu quả kinh doanh của một doanh nghiệp thông qua hiệu quả tuyệt đối và hiệu quả tương đối để Trong đó, hiệu quả kinh doanh tuyệt đối là phần chênh lệch giữa kết quả thu đƣợc với chi phí bỏ ra Chỉ tiêu này phản ánh quy mô, khối lƣợng, lợi nhuận của doanh nghiệp trong thời gian và địa điểm cụ thể Tuy nhiên, chỉ tiêu này có thể không phản ánh chính xác trình độ sử dụng nguồn lực của doanh nghiệp có chiến lƣợc hoặc đầu tƣ dài hạn
Tóm lại, theo từng mục đích nghiên cứu khác nhau sẽ có các nhận định khác nhau về HQHĐ của các NHTM Qua các quan điểm nên trên, tác giả nhận định rằng HQHĐ của NH là sự tối ƣu hóa giữa kết quả doanh thu đạt đƣợc và chi phí ban đầu thông qua kết hợp hiệu quả nguồn lực Hay nói cách khác, đó là sự tối đa lợi nhuận và tối thiểu chi phí, ở một mức độ rủi ro cho phép
2.2.2 Các chỉ tiêu phản ánh hiệu quả hoạt động của ngân hàng thương mại
Theo Nguyễn Minh Kiều (2009), trong số các tỷ số đo lường khả năng sinh lời thì ROA và ROE là hai tiêu chí cơ bản để đánh giá HQHĐ của NH Dương Hữu Hạnh (2012) cho rằng tiêu chuẩn tối hậu về thành tích kinh doanh của doanh nghiệp trong nền kinh tế thị trường là giữ lại bao nhiêu lợi tức ròng cho các chủ sở hữu doanh nghiệp sau khi trừ đi mọi chi phí, qua đó biết đƣợc sự thành công hay thất bại về mặt tài chính của một doanh nghiệp Tác giả chọn các hệ số tài chính để tiến hành phân tích vì đây là phương pháp phân tích đơn giản và dễ sử dụng nhất nhằm đánh giá HQHĐ của một doanh nghiệp Vì vậy, có rất nhiều chỉ tiêu khác nhƣng trong bài nghiên cứu của mình, tác giả quyết định tập trung vào hai chỉ tiêu làm cơ sở cho việc đánh giá HQHĐ của NH đó là ROA và ROE
2.2.2.1 Lợi nhuận trên tổng tài sản (Return on Assets - ROA)
ROA là tỷ số giữa lợi nhuận sau thuế trên tổng tài sản và là chỉ số thể hiện khả năng sinh lời quyết định hiệu quả sử dụng tài sản của ngân hàng cũng nhƣ khả năng tạo doanh thu từ tài sản đó (Ekinci và Poyraz, 2019) ên cạnh đó, Trần Huy Hoàng (2011) cho rằng ROA là một trong các tiêu chí đánh giá khả năng quản trị trong quá trình kinh doanh của NH ROA dƣợc xác định bằng công thức sau:
Trong đó, lợi nhuận sau thuế của NH đƣợc lấy từ báo cáo kết quả hoạt động kinh doanh, còn tổng tài sản đƣợc lấy từ bảng cân đối kế toán Chỉ tiêu này thể hiện rằng cứ một đồng tài sản trong quá trình kinh doanh sẽ tạo ra bao nhiêu đồng lợi nhuận sau thuế mà không phân biệt tài sản này đƣợc hình thành bởi nguồn vốn vay hay VCSH (Ngô Kim Phƣợng, Lê Hoàng Vinh, 2021)
Theo Moody‟s – một trong ba tổ chức đánh giá tín dụng nổi tiếng trên thế giới, ROA 1% thì khả năng sinh lời của NH đƣợc cho là đạt hiệu quả cao Tỷ số ROA cao chứng tỏ NH sử dụng hiệu quả tài sản và tối ƣu nguồn lực có sẵn để tạo ra doanh thu Ngƣợc lại, nếu ROA thấp thể hiện rằng NH hoạt động chƣa tốt trong việc khai thác tài sản Trong một số trường hợp, ROA quá cao chưa hẳn là tích cực vì có thể khi đó NH đang đầu tƣ vào tài sản một cách thiếu hụt, khiến giá trị tài sản đi xuống, điều này cũng gây ảnh hưởng đến HQHĐ của NH
2.2.2.2 Lợi nhuận trên vốn chủ sở hữu (Return on Equity - ROE)
Trong cuốn sách của mình, Nguyễn Minh Kiều (2009) đã viết rằng tỷ số lợi nhuận trên VCSH là chỉ số tài chính để đo lường khả năng sinh lợi trên mỗi đồng vốn của doanh nghiệp Chỉ số này phản ánh một đồng vốn đầu tƣ của chủ sở hữu vào doanh nghiệp đem lại cho chủ sở hữu bao nhiêu đồng lợi nhuận sau khi đã trừ đi thuế thu nhập doanh nghiệp (Ngô Kim Phƣợng và Lê Hoàng Vinh, 2021) ROE đƣợc xác định bằng công thức
Tương tự ROA, lợi nhuận sau thuế được lấy từ báo cáo kết quả kinh doanh, VCSH đƣợc ghi nhận trong bảng cân đối kế toán của NH Theo chuẩn mực đánh giá năng lực tài chính của Moody‟s, khả năng sinh lợi của NH đƣợc đánh giá là tốt khi ROE 12% - 15%
Chỉ số ROE tăng có nghĩa rằng khả năng tạo doanh thu của NH tăng lên mà không sử dụng quá nhiều vào nguồn vốn, qua đó thể hiện rằng các nhà quản trị đang sử dụng vốn của cổ đông một cách hiệu quả Tuy nhiên, trong một vài trường hợp, điều này có thể không tốt Có nhiều yếu tố khác ảnh hưởng đến ROE, do vậy để đánh giá toàn diện về tình hình tài chính của NH, các nhà quản trị phải xem xét nó cùng với các yếu tố khác Cụ thể, ROE tăng ngụ ý rằng VCSH tăng ít hơn lợi nhuận sau thuế, mặt khác, nếu VCSH giảm mạnh chứng tỏ NH đang đối mặt mới một số trường hợp tiêu cực như phải bù lỗ cho hoạt động kinh doanh, đang phải trả lại phần vốn góp cho các cổ đông hay thậm chí có nguy cơ phá sản.
Cơ sở lý thuyết về tác động của rủi ro tín dụng đến hiệu quả hoạt động của ngân hàng thương mại
2.3.1 Lý thuyết thông tin bất cân xứng (Symmetric information)
Akerlof giới thiệu lý thuyết này lần đầu tiên vào năm 1970 Ông cho rằng khi các bên tham gia giao dịch không có sự cân bằng trong việc nắm giữ thông tin, hay nói cách khác, khi một đối tƣợng trong giao dịch có ít thông tin hơn đối tác hoặc có thông tin nhƣng thông tin này không chính xác sẽ dẫn đến hiện tƣợng thông tin bất cân xứng Điều này dẫn đến tình trạng một bên sẽ có lợi thế do có nhiều thông tin hơn bên còn lại Khi đó, giá cả không phải là giá cân bằng mà có thể ở mức quá thấp hoặc quá cao Từ đó dẫn đến hai hệ quả là sự lựa chọn đối nghịch (adverse selection) và rủi ro đạo đức (moral hazard)
Lựa chọn đối nghịch (adverse selection) xảy ra trước thời gian tiến hành giao dịch, một bên có nhiều thông tin hơn, gây bất lợi cho bên còn lại Trong hoạt động tín dụng ngân hàng, những người có nguy cơ rủi ro cao lại là những người tích cực tìm kiếm khoản vay, thậm chí họ biết rằng khả năng hoàn trả đầy đủ là rất khó hoặc không thể Khi đó, NH là bên không nắm đủ thông tin khách hàng, không thể kiểm soát khả năng trả nợ của người vay, dễ xảy ra rủi ro không thu hồi được gốc và lãi
Do vậy, sự lựa chọn đối nghịch có thể xảy ra, khả năng cao là khoản vay sẽ đƣợc cấp cho người có rủi ro cao, làm tăng nợ xấu, giảm lợi nhuận Mặt khác, NH có thể từ chối bất kỳ khoản tín dụng nào cho những người có độ tin cậy cao trên thị trường
Rủi ro đạo đức (moral hazard) xảy ra sau thời gian giao kết hợp đồng khi mà một bên có nhiều thông tin hơn bên còn lại Trong hoạt động tín dụng, NH là bên sở hữu ít thông tin cũng nhƣ mục đích vay vốn của khách hàng, khó quan sát hành vi gian dối của người vay, điều này khiến NH dễ rơi vào tình trạng cho các đối tượng xấu vay vốn, đồng thời mất đi các khách hàng tốt Lý thuyết này giải thích quá trình quản lý hoạt động tín dụng ảnh hưởng đến nợ xấu và hiệu quả kinh doanh của NHTM
2.3.2 Giả thuyết kém may mắn và quản lý kém ( Bad luck theory and Bad management theory)
Vào năm 1997, Berger và DeYoung lần đầu tiên đƣa ra lý thuyết về RRTD và hiệu quả kinh doanh của NH, gắn liền với hai giả thuyết là thuyết “không may mắn” (bad luck management) và thuyết “quản trị kém” (bad management)
Theo lý thuyết “kém may mắn” (bad luck), nguyên nhân khiến nợ xấu gia tăng là từ sự ảnh hưởng của các yếu tố vĩ mô như GDP, lạm phát, thất nghiệp, giảm lãi suất, tăng cung tiền… Khi đó, các NH phải bỏ ra thêm nhiều loại chi phí để tăng hoạt động quản lý danh mục tín dụng, chi phí giám sát, đôn đốc những khách hàng không thanh toán đúng hạn, chi phí duy trì và xử lý tài sản đảm bảo và một số chi phí gián tiếp nhƣ bảo vệ danh tiếng và sự an toàn của NH Việc gia tăng các chi phí để giảm nợ xấu có quan hệ nhân quả làm giảm lợi nhuận NH, thậm chí đƣa NH đến tình trạng thua lỗ, phá sản Kỳ vọng trong mối quan hệ này là tiêu cực giữa
Theo lý thuyết “quản lý kém” (bad management), khả năng quản lý RRTD đƣợc xem là một phần năng lực vô cùng quan trọng trong hoạt động tín dụng của NHTM Berger và DeYoung (1997) cho rằng một NH có HQKD cao sẽ có khả năng quản trị hoạt động tín dụng tốt hơn những NH hoạt động yếu kém và có lợi nhuận thấp Việc quản lý kém trong hoạt động tín dụng có thể liên quan đến việc NH không thực hiện tốt các hoạt động kiểm soát khoản vay nhƣ thiếu kỹ năng chấm điểm tín dụng của khách vay, thẩm định giá trị tài sản đảm bảo kém chính xác hoặc gặp khó khăn trong việc theo dõi khách hàng sau khi vay Nhƣ vậy, HQKD thấp là một dấu hiệu của hoạt động quản trị yếu kém, đó cũng là nguyên nhân có trước và có quan hệ nhân quả làm tăng nợ xấu Lý thuyết này đƣợc kì vọng có mối quan hệ tiêu cực giữa nợ xấu và hiệu quả NH
2.3.3 Thuyết quá lớn để đổ vỡ (Too big to fail theory)
Nội dung của lý thuyết này đƣợc thể hiện rõ ở hai vấn đề chính Thứ nhất, lý thuyết đề cập đến tổ hợp tài chính có quy mô vốn, sự phức tạp về lĩnh vực hoạt động và các định chế tài chính này tham gia vào những hoạt động kinh doanh cao
Thứ hai, khi các tổ hợp tài chính này sụp đổ, Chính phủ sẽ đứng ra cứu trợ để không xảy ra sụp đổ dây chuyền trong nền kinh tế Trong lĩnh vực ngân hàng, NH chính là cầu nối tín dụng quan trọng tạo nên một hệ thống liên kết chặt chẽ, nếu một NH vỡ nợ sẽ kéo các NH khác sụp đổ theo, khiến doanh nghiệp đang vay vốn gặp trở ngại, không thể tìm ra vốn luân lưu, điều này có thể gây ra khủng hoảng tài chính
Lý thuyết “quá lớn để đổ vỡ” không chỉ đề cập đến quy mô của NH mà ở cả sự liên kết của các NH với phần còn lại của hệ thống NH cũng nhƣ của nền kinh tế
Vì thế, Chính phủ buộc phải can thiệp vào những NH “quá lớn để đổ vỡ” nhằm đƣa ra sự bảo trợ và các chính sách đặc biệt ên cạnh đó, lý thuyết này cũng chỉ ra mặt tiêu cực rằng các ngân hàng lớn có xu hướng chấp nhận rủi ro lớn bằng cách tăng cấp cho vay nhiều hơn, dẫn đến khả năng xuất hiện khoản nợ không thu hồi đƣợc Điều này có thể được giải thích bởi sự thiếu kỷ luật thị trường đã không áp đặt với các ngân hàng lớn Việc này cũng liên quan đến rủi ro đạo đức khi mà các NH thoải mái tham gia vào các giao dịch lợi nhuận cao nhƣng không quan tâm đến rủi ro vì họ nghĩ rằng dù có nguy cơ phá sản thì cũng sẽ đƣợc Chính phủ giải cứu
2.4 Tổng quan các nghiên cứu thực nghiệm liên quan đến tác động của rủi ro tín dụng đến hiệu quả hoạt động của ngân hàng thương mại 2.4.1 Các nghiên cứu nước ngoài
Mustafa và cộng sự (2012) nghiên cứu về "Dự phòng rủi ro cho vay có ảnh hưởng đến khả năng sinh lời của ngân hàng trong trường hợp của Pakistan không?" Mẫu nghiên cứu bao gồm 15 ngân hàng tại Pakistan trong giai đoạn 2001-2009 Nghiên cứu đo lường ROA của ngân hàng bởi các yếu tố phụ thuộc như chi phí trích lập để đối mặt với rủi ro cho vay, tài sản ngắn hạn, tiền gửi của khách hàng và bất ổn chính trị ở giai đoạn này bằng việc thực hiện mô hình FEM và REM Kết quả của nghiên cứu chỉ ra rằng các ngân hàng có khoản dự phòng rủi ro thấp hơn sẽ tạo ra lợi nhuận cao hơn Ngoài ra, tác giả cũng chỉ ra mối quan hệ cùng chiều giữa quy mô và khả năng sinh lời của NH
Abiola và cộng sự (2014) xem xét tác động của quản lý RRTD đối với hiệu suất của các ngân hàng thương mại ở Nigeria áo cáo tài chính của 7 công ty ngân hàng thương mại đã được sử dụng để phân tích trong giai đoạn 2005 – 2011 Mô hình hồi quy OLS, FEM, REM đã đƣợc sử dụng để ƣớc tính mô hình Lợi nhuận trên vốn chủ sở hữu (ROE) và lợi nhuận trên tài sản (ROA) đƣợc sử dụng làm chỉ số hiệu suất trong khi tỷ lệ nợ xấu (NPL) và tỷ lệ an toàn vốn (CAR) làm chỉ số quản lý rủi ro tín dụng Các phát hiện cho thấy quản lý RRTD có tác động đáng kể đến lợi nhuận của các ngân hàng thương mại ở Nigeria Cụ thể, tỷ lệ nợ xấu và tỷ lệ an toàn vốn đều có mối quan hệ cùng chiều với HQHĐ
Zou và cộng sự (2014) xem xét mối quan hệ giữa RRTD và lợi nhuận của 47 NHTM ở châu Âu trong giai đoạn 2007-2012 Tác giả sử dụng ROE và ROA đại diện cho lợi nhuận, trong khi tỷ lệ nợ xấu (NPL), hệ số CAR đƣợc đại diện cho RRTD và quy mô NH được sử dụng như một biến kiểm soát ằng phương pháp Pooled OLS, nghiên cứu cho thấy tỷ lệ nợ xấu (NPL) có tác động tiêu cực đến ROE và ROA, đồng thời tồn tại mối quan hệ cùng chiều giữa quy mô NH với ROE và ROA, trong khi CAR lại chƣa tìm đƣợc ý nghĩa thống kê
PHƯƠNG PHÁP NGHIÊN CỨU
QUY TRÌNH NGHIÊN CỨU
Hình 3.1 Quy trình nghiên cứu
Nguồn: Tác giả tự tổng hợp ƣớc 1 là lựa chọn đề tài nghiên cứu, tác giả đã chọn đề tài “Tác động của RRTD đến HQHĐ của các NHTMCP niêm yết trên sàn chứng khoán Việt Nam” Từ đó lập mục tiêu nghiên cứu, câu hỏi nghiên cứu, đối tượng và phạm vi để lựa chọn phương pháp nghiên cứu phù hợp ước 2 là lược khảo lý thuyết nền tảng và các nghiên cứu trước có liên quan tại Việt Nam cũng nhƣ các quốc gia khác trên thế giới, sau đó thảo luận nhằm xác định các xác định khoảng trống của những nghiên cứu này, từ đó định hướng thiết kế mô hình nghiên cứu cho đề tài
Xác định vấn đề nghiên cứu
Khảo lƣợc cơ sở lý thuyết và nghiên cứu thực nghiệm
Xây dựng mô hình nghiên cứu
Thu thập và xử lý số liệu
Phân tích hồi quy bằng OLS, FEM, REM, GMM
Kiểm định tính phù hợp của mô hình và thảo luận ƣớc 3 là căn cứ vào những lý thuyết và bằng chứng thực nghiệm, đề tài tiến hành xây dựng mô hình nghiên cứu, dự kiến mô hình hồi quy cũng nhƣ giải thích các biến và xây dựng các giả thuyết phù hợp ƣớc 4 là thu thập và xử lý dữ liệu Sau khi thu thập dữ liệu thứ cấp từ CTC của 25 NHTMCP Việt Nam từ năm 2011 đến 2022, tác giả tiến hành xử lý dữ liệu theo mô hình mà tác giả đã đề xuất tại bước 2 thông qua phần mềm Stata 14 ước 5 là xác định phương pháp nghiên cứu phù hợp bao gồm thống kê mô tả, phân tích tương quan và phân tích hồi quy dữ liệu dạng bảng Pooled OLS, FEM, REM Sau khi thực hiện mô hình hồi quy OLS, nếu phát hiện có hiện tƣợng đa cộng tuyến, phương sai thay đổi hoặc tự tương quan, khóa luận sẽ tiếp tục thực hiện mô hình FEM và REM sau đó dùng kiểm định Hausman để lựa chọn một trong hai mô hình Sau đó tiếp tục kiểm định khuyết tật của mô hình vừa chọn, nếu phát hiện có khuyết tật sẽ khắc phục bằng phương pháp GMM ƣớc 6 là kiểm định sự phù hợp của các biến công cụ trong mô hình GMM cũng nhƣ tính vững chắc của mô hình thông qua kiểm định Sargan và AR(2), sau đó sẽ thảo luận về kết quả nghiên cứu ƣớc 7 là căn cứ vào kết quả hồi quy, tác giả kết luận và đƣa ra hàm ý chính sách để trả lời cho các câu hỏi nghiên cứu, đồng thời xác định mức độ tác động của các biến như mục tiêu đã đề ra trước khi bắt đầu nghiên cứu.
MÔ HÌNH NGHIÊN CỨU
Trên cơ sở các nghiên cứu trước đây như nghiên cứu của Zou và cộng sự
(2014), Kani và cộng sự (2017), Nguyễn Quốc Anh (2016), Phạm Thị Kiều Khanh và cộng sự (2018), đồng thời đặt trong bối cảnh nền kinh tế và tình hình hoạt động ngành NH của Việt Nam hiện nay , tác giả đề xuất mô hình nghiên cứu về tác động của RRTD đến HQHĐ của các NHTMCP Việt Nam Mô hình này sử dụng hai chỉ tiêu đó là lợi nhuận trên tổng tài sản (ROA) và lợi nhuận trên VCSH (ROE) làm biến phụ thuộc đại diện cho HQHĐ, còn RRTD đƣợc ƣớc lƣợng bằng hai biến chính là tỷ lệ nợ xấu (NPLR) và tỷ lệ dự phòng RRTD (LLPR) Ngoài ra, mô hình còn sử dụng thêm các biến kiểm soát như quy mô NH (SIZE), tăng trưởng tín dụng (GROW), tăng trưởng kinh tế (GDP), lạm phát (INF) Mô hình nghiên cứu đề xuất có dạng nhƣ sau:
ROAɩt = + β1NPLɩt + β2LLPRɩt + β3GROWɩt + β4SIZEɩt + β6GDPɩt + β7INFɩt + it
ROEɩt = + β1NPLɩt + β2LLPRɩt + β3GROWɩt + β4SIZEɩt + β5GDPɩt + β6INFɩt + it
Biến phụ thuộc gồm ROE và ROA
Biến độc lập gồm NPL, LLPR, GROW, SIZE, GDP, INF là hệ số chặn β1…β6 lần lƣợt là tác động của các biến độc lập đến biến phụ thuộc i, t tương ứng với ngân hàng và năm khảo sát it là phần dƣ của mô hình
3.2.2 Giả thuyết về sự tác động của các biến
Một số chỉ tiêu như ROA, ROE, NIM thường được sử dụng để đánh giá các phương diện tài chính khác nhau của ngân hàng Ở nghiên cứu này, tác giả chọn ROA và ROE bởi vì đây là hai chỉ tiêu được nhiều nghiên cứu trong và ngoài nước sử dụng, cụ thể nhƣ Abiola và cộng sự (2014), Zou và cộng sự (2014), Trịnh Quốc Trung và Nguyễn Văn Sang (2013) Trong đó, tỷ lệ thu nhập trên tổng tài sản (ROA), thể hiện khả năng của ngân hàng trong việc đánh giá thu nhập bằng cách tối đa hóa việc sử dụng các nguồn lực, trong khi đó ROE cho thấy ban lãnh đạo ngân hàng sử dụng vốn đầu tƣ từ các cổ đông tốt nhƣ thế nào
Tỷ lệ lợi nhuận trên tổng tài sản (ROA)
ROA thể hiện khả năng của ngân hàng trong việc tạo ra lợi nhuận từ các tài sản mà họ sở hữu Ngân hàng sử dụng nguồn lực càng tốt thì chỉ số ROA ngày càng cao ROA đƣợc sử dụng phổ biến trong nhiều nghiên cứu thực nghiệm khi xem xét mối quan hệ giữa RRTD và HQHĐ của ngân hàng nhƣ: Mustafa và cộng sự (2012), Trịnh Quốc Trung và Nguyễn Văn Sang (2013), Đặng Văn Dân (2019) Vì vậy, tác giả lựa chọn ROA làm thước đo HQHĐ của NH
Tỷ lệ lợi nhuận trên vốn chủ sở hữu (ROE)
ROE là một chỉ số tài chính đo lường khả năng sinh lời của một NH dựa trên VCSH của NH đó Athanasoglou và cộng sự (2008) cho rằng ROE cao chứng tỏ
NH hoạt động hiệu quả trong việc sử dụng tiền đầu tƣ của các cổ đông để tạo ra lợi nhuận Tương tự ROA, chỉ số này cũng được sử dụng phổ biến để đo lường HQHĐ của NH trong nhiều nghiên cứu nhƣ Abiola (2014), Nguyễn Việt Hùng (2008),
Nguyễn Quốc Anh (2016) Do đó, ngoài ROE, tác giả lựa chọn ROA làm thước đo HQHĐ của NH
Tỷ lệ nợ xấu của ngân hàng (NPLR)
Tỷ lệ nợ xấu là một chỉ số quan trọng để đánh giá mức độ rủi ro cũng nhƣ khả năng của NH trong quản lý nợ và thu hồi khoản vay.NPL đƣợc xác định bằng tỷ lệ phần trăm nợ xấu trên tổng dƣ nợ cho vay của NH Ngoài ra, tỷ lệ nợ xấu còn cho thấy khả năng tài chính của mỗi ngân hàng, chất lƣợng tín dụng và mức độ thiệt hại mà ngân hàng đang đối mặt NPL càng cao, NH càng phải tăng các khoản chi phí liên quan để cử lý vấn đề này, từ đó làm cho HQHĐ của NH suy giảm Việc đảm bảo tỷ lệ nợ xấu ở mức thấp ở các NHTM luôn là mục tiêu quan trọng, điều này đảm bảo tính bền vững và khả năng cung cấp dịch vụ tài chính cho khách hàng của NHTM
Nhiều nghiên cứu thực nghiệm đã chỉ ra tác động ngƣợc chiều của nợ xấu đến HQHĐ của các ngân hàng, chẳng hạn nhƣ nghiên cứu của Zou và cộng sự
(2014), Kani và cộng sự (2017), Nguyễn Quốc Anh (2016) Từ đó, tác giả đƣa ra giả thuyết nhƣ sau:
Giả thuyết H1: Tỷ lệ nợ xấu tác động ngược chiều đến HQHĐ của ngân hàng
Tỷ lệ dự phòng rủi ro tín dụng (LLPR)
Tỷ lệ dự phòng RRTD là mức trích lập để bù đắp cho những rủi ro có thể xảy ra với các khoản vay của NH.Tỷ lệ này đƣợc tính bằng tỷ lệ phần trăm của mức dự phòng RRTD so với tổng dƣ nợ NH Khi nợ xấu càng cao, NH phải chi càng nhiều chi phí dự phòng, từ đó làm giảm lợi nhuận của NH Do đó, tác giả kỳ vọng mối quan hệ này là ngược chiều Trên thế giới và trong nước cũng có rất nhiều nghiên cứu ủng hộ quan điểm này, cụ thể nhƣ Kani và cộng sự (2017), Khalid và cộng sự
(2021), Phạm Thị Kiều Khanh và cộng sự (2018) Từ đó, tác giả đƣa ra giả thuyết nhƣ sau:
Giả thuyết H2: Dự phòng rủi ro tín dụng tác động ngược chiều đến HQHĐ của ngân hàng
Tỷ lệ tăng trưởng tín dụng (GROW)
Tỷ lệ tăng trưởng tín dụng là một chỉ tiêu đánh giá chất lượng tín dụng, được tính bằng phần trăm chênh lệch của dư nợ tín dụng kì này so với kì trước Tỷ lệ này càng cao chứng tỏ khả năng hấp thụ vốn của khách hàng tăng lên và hoạt động tín dụng của NH đƣợc cải thiện, giúp NH đem lại nhiều món lời Ngƣợc lại, nếu tỷ lê TTTD thấp thể hiện rằng khả năng nâng cao chất lƣợng tín dụng của NH yếu kém, để cơ hội cho các khoản nợ xấu phát sinh gây ảnh hưởng đến doanh thu của NH
Theo Lepetit và cộng sự (2008), Rossi và cộng sự (2009), mở rộng cho vay cho phép các NH nắm bắt khả năng sinh lời mới, mở rộng thị trường và giành thị phần lớn với các sản phẩm hiện có, đồng thời việc mở rộng tín dụng cũng giúp NH đa dạng hóa danh mục cho vay và bán chéo sản phẩm Ngoài ra, nghiên cứu của howmik và cộng sự (2021), Đặng Văn Dân (2020), Nguyễn Thành Đạt (2021) cũng tìm thấy mối quan hệ cùng chiều giữa tỷ lệ TTTD và HQHĐ của NH Vì vậy, tác giả đƣa ra giả thuyết:
Giả thuyết H3: Tăng trưởng cho vay tác động cùng chiều đến HQHĐ của ngân hàng
Quy mô ngân hàng (SIZE)
Trong nghiên cứu này, tác giả xác định quy mô NH bằng cách lấy logarit cơ số tự nhiên giá trị tổng tài sản của các NHTMCP qua các năm vì giá trị tổng tài sản quá lớn so với giá trị các biến khác, có thể gây sai lệch kết quả mô hình Các ngân hàng có quy mô tài sản lớn sẽ có nhiều cơ hội đa dạng hoá danh mục cho vay hơn, hạn chế đƣợc RRTD nên HQHĐ tăng lên và ngƣợc lại Đã có nhiều nghiên cứu ủng hộ rằng quy mô ngân hàng tác động tích cực đến HQHĐ của NH, điển hình là Zou và cộng sự (2014), Saeed và Zahid (2016), Đặng Văn Dân (2020), Phạm Xuân Quỳnh (2023) Từ đó, tác giả đƣa ra giả thuyết nhƣ sau:
Giả thuyết H4: Quy mô ngân hàng tác động cùng chiều đến lợi HQHĐ của ngân hàng
Chỉ số lạm phát (INF)
Lạm phát là số đo mức độ giá cả hàng hóa và dịch vụ theo thời gian, lạm phát quá cao cho thấy giá trị của đồng tiền bị mất đi Lạm phát cũng có ảnh hưởng đến lãi suất cho vay và tiền gửi vì khi tỷ lệ này tăng cao buộc các NH nâng mức lãi suất, từ đó đem lại mức lợi nhuận cao hơn từ các khoản vay này Tuy nhiên, nếu lạm phát quá đà, NHNN và Chính phủ có thể ban hành các chính sách tiền tệ để kiểm soát lạm phát, khiến cho lợi nhuận các NHTM cũng giảm sút Mối quan hệ ngƣợc chiều này đƣợc nhiều nghiên cứu ủng hộ, cụ thể là Nguyễn Quốc Anh
Giả thuyết H5: Lạm phát tác động ngược chiều đến HQHĐ của ngân hàng
Tốc độ tăng trưởng kinh tế GDP
GDP đƣợc sử dụng rộng rãi để đánh giá sức khỏe và quy mô của một nền kinh tế Chỉ số này cho biết mức độ tăng trưởng và khối lượng hoạt động kinh tế của một quốc gia Nếu tăng trưởng GDP có xu hướng tăng dần chứng tỏ nhu cầu tín dụng gia tăng, từ đó HQHĐ của NH cũng đƣợc cải thiện và ngƣợc lại Có nhiều phát hiện trước đây về tác động của GDP đến HQHĐ của NH Cụ thể, các nghiên cứu của Saeed và Zahid (2016), Kani và cộng sự (2017), Nguyễn Quốc Anh (2016) kết luận rằng GDP có tác động cùng chiều đến HQHĐ của NH Từ đó, tác giả đƣa ra giải thuyết nhƣ sau:
Giả thuyết H6: Tốc độ tăng trưởng kinh tế tác động cùng chiều đến HQHĐ của ngân hàng
Bảng 3.1 Mô tả các biến và kỳ vọng iến Tên biến Mô tả Các nghiên cứu trước Phương pháp đo lường Kỳ vọng
Tỷ số lợi nhuận trên tài sản
Trịnh Quốc Trung và Nguyễn Văn Sang (2013), Abiola (2014), Đặng Văn Dân (2019).
(2014), Saeed và Zahid (2016), trên vốn chủ sở hữu
Nguyễn Việt Hùng (2008) iến độc lập
Tỷ lệ nợ xấu của ngân hàng
Abiola và cộng sự (2014),Saeed và Zahid (2016), Nguyễn Quốc Anh (2016)
Tỷ lệ phòng rủi ro tín dụng
Mustafa và cộng sự (2012), Kani và cộng sự
(2017), Khalid và cộng sự (2021), Phạm Thị Kiều Khanh và cộng sự (2018)
(2014), Saeed và Zahid (2016), Đặng Văn Dân
GROW Tỉ lệ tăng howmik và cộng sự (2021), Đặng
(Dƣ nợ cho vay kỳ này –
Dƣ nợ cho vay kỳ
+ iến kiểm soát trưởng cho vay
Văn Dân (2020), howmik và cộng sự (2021) trước)/ Dự nợ cho vay kỳ trước
(2017), Nguyễn Quốc Anh (2016), Nguyễn Thành Đạt (2021)
Tỷ lệ lạm phát (%) của
Tốc độ tăng trưởng kinh tế
(2016), Kani và cộng sự (2017), Nguyễn Quốc Anh (2016)
Tốc độ tăng trưởng GDP thực (%) của Việt Nam +
Nguồn: Tác giả tổng hợp từ các nghiên cứu thực nghiệm
DỮ LIỆU NGHIÊN CỨU
Dữ liệu nghiên cứu bao gồm 25 NHTMCP Việt Nam giai đoạn 2011-2022 với tổng cộng 300 quan sát Các NHTMCP không có đủ dữ liệu trên BCTC trong giai đoạn 2011-2022 và chƣa niêm yết sẽ bị loại khỏi mẫu nghiên cứu Ngoài ra, số lƣợng quan sát của nghiên cứu cùng phù hợp với các xác định mẫu nghiên cứu của Tabahnick & Fidell (2007) Danh sách các NHTMCP và bộ dữ liệu nghiên cứu đƣợc trình bày lần lƣợt trong Phụ lục 1 và 2 của bài nghiên cứu ằng phương pháp thu thập nguồn dữ liệu thứ cấp, tác giả thu thập số liệu từ các BCTC đƣợc công bố trên các trang web chính thức của các ngân hàng và một số trang web kinh tế uy tín nhƣ Vietstock và CafeF Đối với các chỉ số kinh tế vĩ mô như tỉ lệ tăng trưởng kinh tế (GDP) và lạm phát (INF), tác giả thu thập từ các nguồn dữ liệu chính thống nhƣ AD Indicators và Tổng cục thống kê Việt Nam.
PHƯƠNG PHÁP NGHIÊN CỨU
3.4.1 Phương pháp nghiên cứu định tính
Khóa luận sử dụng phương pháp nghiên cứu định tính để tiếp cận và phân tích cơ sở lý thuyết cũng nhƣ các bằng chứng thực nghiệm và thiết kế mô hình nghiên cứu phù hợp với đề tài Thống kê các biến độc lập và biến phụ thuộc của mô hình từ đó thấy đƣợc giá trị trung bình, độ lệch chuẩn, giá trị lớn nhất, giá trị nhỏ nhất và nhận xét về thực trạng RRTD và HQHĐ của 25 ngân hàng TMCP trong giai đoạn 2011 đến 2022 Cuối cùng, khóa luận sử dụng phương pháp nghiên cứu định tính để thảo luận kết quả nghiên cứu và đƣa các gợi ý, khuyến nghị có liên quan
3.4.2 Phương pháp nghiên cứu định lượng
3.4.2.1 Phân tích thống kê mô tả
Nhằm cung cấp cho người đọc những hiểu biết cơ bản về các biến trong mô hình nghiên cứu, tác giả sử dụng thống kê mô tả để tính giá trị trung bình, giá trị lớn nhất, nhỏ nhất, độ lệch chuẩn và số quan sát
3.4.2.2 Phân tích ma trận tương quan
Khóa luận sử dụng ma trận tương quan để xem xét mối quan hệ giữa các biến trong mô hình nghiên cứu Kết quả bước đầu dùng để đánh giá sơ bộ về mối quan hệ giữa các biến độc lập và biến phụ thuộc Trong trường hợp xảy ra hiện tượng đa cộng tuyến, điều này được thể hiện bằng hệ số tương quan của các biến trong ma trận lớn hơn 0.8, có thể bỏ đi những biến có mức độ tương quan cao so với những biến khác để khắc phục hiện tƣợng này
3.4.2.3 Phương pháp hồi quy dữ liệu dạng bảng
Sau khi thu thập số liệu trên phần mềm Excel, tác giả tiếp tục xử lý dữ liệu bằng phần mềm Stata 14 thông qua phân tích ba mô hình hồi quy thông thường đó là Pooled Regression - OLS, Fixed effects model - FEM và Random effects model - REM và kiểm định đa cộng tuyến, phương sai thay đổi và tự tương quan của mô hình
Nếu phát hiện mô hình Pooled OLS có khuyết tật, khóa luận sẽ tiếp tục thực hiện mô hình FEM và REM sau đó dùng kiểm định Hausman để lựa chọn một trong hai mô hình Sau khi lựa chọn mô hình phù hợp, khóa luận tiếp tục kiểm định các hiện tƣợng nhƣ đối với mô hình Pooled OLS
3.4.2.4 Kiểm định các khuyết tật của mô hình hồi quy
Kiểm định đa cộng tuyến Để kiểm tra liệu các biến có quan hệ tuyến tính lẫn nhau hay không, tác giả sử dụng phương pháp phân tích hồi quy tuyến tính Phương pháp này giúp xác định hệ số VIF cho mỗi biến độc lập, VIF càng cao thì khả năng tồn tại hiện tƣợng đa cộng tuyến giữa các biến càng lớn Nếu giá trị hệ số VIF nhỏ hơn 10 thì không xảy ra hiện tƣợng đa cộng tuyến và ngƣợc lại
Kiểm định phương sai sai số thay đổi
Phương sai sai số thay đổi là một vấn đề trong hồi quy Nếu phương trình tồn tại hiện tượng phương sai sai số thay đổi thì kết quả ước lượng của mô hình hồi quy không mang lại kết quả chính xác và có mức tin cậy thấp Kiểm định phương sai sai số với giả thuyết H0: Không có hiện tượng phương sai thay đổi Nếu kết quả cho ra giá trị p-value < α thì bác bỏ H0 và ngƣợc lại
Kiểm định tự tương quan
Trong hồi quy, các sai số đƣợc giả định là độc lập với nhau Tuy nhiên trong một vài trường hợp, các sai số có thể có tương quan với nhau khiến cho kết quả ước lượng sai lệch và kém hiệu quả Kiểm định tự tương quan được sử dụng để kiểm tra vấn đề này, với giả thuyết đƣa ra nhƣ sau:
H0: Không có hiện tượng tự tương quan
H1: Có hiện tượng tự tương quan
Nếu kết quả p-value < α thì bác bỏ H0, chấp nhận H1 và ngƣợc lại
3.4.2.5 Phương pháp GMM (Generalized Model of Moments – GMM)
Vì biến độc lập gồm tỷ lệ nợ xấu, tỷ lệ dự phòng rủi ro và biến phụ thuộc là hiệu quả hoạt động NH có mối quan hệ đồng thời nên mô hình rất dễ xuất hiện vấn đề nội sinh khiến kết quả ƣớc lƣợng thiếu chính xác và không bền vững Các ƣớc lƣợng đơn giản nhƣ OLS, FEM, REM không thể giải quyết đƣợc tình trạng này Do đó, nếu tiếp tục phát hiện khuyết tật của mô hình vừa chọn, khóa luận sẽ sử dụng phương pháp GMM để khắc phục các khuyết tật và hiện tượng nội sinh của các biến trong nghiên cứu
GMM đƣợc phát triển bởi Lars Peter Hansen năm 1982 từ việc tổng quát hóa phương pháp hồi quy theo moments, ngày càng được sử dụng phổ biến và linh hoạt trong nghiên cứu hiện nay, đặc biệt trong lĩnh vực tài chính Phương pháp này phù hợp với dữ liệu bảng (panel data), đặc biệt khi T < N nhiều lần, hoặc dữ liệu không đồng nhất, khi biến độc lập và biến phụ thuộc có mối quan hệ tuyến tính với nhau Theo Arellano Bond (1991), phương pháp GMM sẽ đưa ra kết quả ước lượng hiệu quả và vững chắc hơn cho những mô hình này
3.4.2.6 Kiểm định tính phù hợp của phương pháp GMM
Kiểm định Sargan hoặc Hansen đƣợc sử dụng để kiểm tra tính phù hợp của biến công cụ trong phương pháp hồi quy GMM, để xác định xem có tồn tại mối tương quan giữa biến công cụ và các sai số trong mô hình hay không Các biến công cụ đƣợc giả định là ngoại sinh, nếu chúng là biến nội sinh thì kết quả ƣớc lƣợng có thể sẽ bị sai lệch Kiểm định Sargan hoặc Hansen thông qua giả thuyết sau:
H0: iến công cụ là biến ngoại sinh, phù hợp với mô hình GMM
H1: iến công cụ không phù hợp với mô hình GMM
Nếu P-value < α thì bác bỏ giả thuyết H0, kết luận biến công cụ không phù hơp với mô hình và ngƣợc lại Theo Roodman (2009), số nhóm quan sát phải lớn hơn hoặc bằng số biến công cụ thì kiểm định Sargan mới đủ mạnh và chỉ số Hansen Test tốt nhất phải lớn hơn 0,25
Năm 1991, Arellano – ond đã đề xuất kiểm định này để kiểm tra hiện tƣợng tự tương quan của phương sai sai số trong mô hình GMM ở dạng sai phân bậc 1 Để kiểm tra hiện tượng tự tương quan bậc nhất của phần dư mô hình, tác giả đưa ra giả thuyết nhƣ sau:
H0: Không tồn tại hiện tượng tương quan chuỗi trong mô hình
H1: Tồn tại hiện tượng tương quan chuỗi trong mô hình
Nếu kết quả cho ra giá trị p-value > α, chấp nhận H0, kết luận không tồn tại hiện tượng tương quan chuỗi, nghĩa là mô hình hồi quy thỏa mãn điều kiện
Dựa trên các nghiên cứu thực nghiệm của Abiola và cộng sự (2014), Bhowmik và cộng sự (2021), tác giả lựa chọn các biến phù hợp và thiết kế mô hình nghiên cứu Biến phụ thuộc bao gồm ROA, ROE, các biến như NPL và LLPR là biến độc lập, tác giả cũng thêm các biến kiểm soát bao gồm quy mô NH, TTTD, GDP và INF Bên cạnh đó, khóa luận cũng nêu kỳ vọng về sự cùng chiều hay ngược chiều của các biến đối với ROA, ROE Ở chương tiếp theo, khóa luận sẽ thực hiện các bước hồi quy và kiểm định các khuyết tật của mô hình để chỉ ra chiều hướng và mức độ tác động của RRTD đến HQHĐ của NH trong giai đoạn 2011-2022.
KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN
THỰC TRẠNG RỦI RO TÍN DỤNG VÀ HIỆU QUẢ HOẠT ĐỘNG CỦA CÁC NGÂN HÀNG THƯƠNG MẠI CỔ PHẦN TẠI VIỆT NAM
4.1.1 Thực trạng rủi ro tín dụng của các Ngân hàng TMCP Việt Nam trong giai đoạn 2011-2022
Hình 4.2 Tỷ lệ nợ xấu và dự phòng rủi ro của các Ngân hàng TMCP niêm yết tại Việt Nam trong giai đoạn 2011-2022
Nguồn: Tác giả tổng hợp
Trong giai đoạn 2011-2022, tỷ lệ nợ xấu của NH bắt đầu tăng vọt từ năm
2011 do ảnh hưởng của khủng hoảng tài chính toàn cầu khiến nền kinh tế trong nước cũng đối mặt với nhiều thách thức, tỷ lệ lên đến đỉnh điểm lần lượt ở mức 2.68% và 2.98% vào năm 2012 và 2013 Tình hình này đã đƣợc kìm hãm từ năm
2014 trở đi nhờ công tác cơ cấu lại nợ và bán nợ cho Công ty quản lý nợ (VAMC) của NHNN, mức thấp nhất là vào năm 2015 với tỷ lệ 1.79% Cho đến năm 2022, con số bình quân về tỷ lệ nợ xấu đƣợc ghi nhận tại các NH Việt Nam tăng đến 2.48%, phần lớn là do tác động của đại dịch Covid-19 khiến cho hầu hết hoạt động thương mại đều đình trệ, rất nhiều doanh nghiệp đóng cửa và phá sản, cùng với đó là thu nhập của người dân cũng giảm sút khiến họ không có tiền trả các khoản vay
NH Song song với sự tăng giảm của nợ xấu, tỷ lệ dự phòng RRTD cũng có xu hướng tương tự Tỷ lệ này nhìn chung không quá biến động trong giai đoạn nghiên cứu, số liệu thu thập ghi nhận có sự gia tăng của LLPR trong giai đoạn 2011-2013, xu hướng đi ngang ở những năm kế tiếp và tăng trở lại những năm sau năm 2020. Đặc biệt ở năm 2020-2021, nền kinh tế thế giới đã trải qua cuộc khủng hoảng kép về y tế và kinh tế từ đại dịch Covid-19 Nhờ nỗ lực hoàn thành cả hai mục tiêu vừa phòng chống dịch bệnh vừa từng bước phục hồi kinh tế-xã hội, Việt Nam ghi nhận nhiều điểm sáng, đồng thời vẫn còn nhiều hạn chế và thách thức, đa số các lĩnh vực chủ chốt đều bị ảnh hưởng nghiêm trọng, đặc biệt là bất động sản và chứng khoán Liên quan đến vấn đề này, vụ án của tập đoàn FLC và Tân Hoàng Minh vào năm 2022 là minh chứng điển hình Cụ thể, cổ phiếu FLC đã bị hủy niêm yết trên sàn HoSE do vi phạm nghiêm trọng nghĩa vụ công bố thông tin Sau vụ việc ông Trịnh Văn Quyết thao túng thị trường chứng khoán với hành vi bán chui gần 75 triệu cổ phiếu FLC, lúc này nhân sự nội bộ bị xáo trộn cùng với sự tác động của Covid-19 đến cả ngành hàng không và du lịch, kết quả doanh thu của tập đoàn lỗ nặng, buộc phải dừng đến 22 dự án đầu tƣ Điều này không chỉ gây thiệt hại cho các nhà đầu tư và thị trường chứng khoán Việt Nam mà còn ảnh hưởng đến các ngân hàng là chủ nợ lớn nhƣ IDV, Sacombank… bởi các khoản nợ trễ hạn của tập đoàn Cùng với chủ đề này, năm 2022 chủ tịch Tập đoàn Tân Hoàng Minh bị bắt giam về tội lừa đảo chiếm đoạt tài sản vì cũng có những hành vi gian dối khi phát hành trái phiếu và khai khống kết quả kinh doanh thua lỗ, chiếm đoạt 8.600 tỷ từ nhà đầu tƣ
Vụ việc này đã gây xáo trộn thị trường ĐS, khiến giá ĐS tăng cao gây ra nhiều bất lợi cho nền kinh tế.
Gần mới đây, ngành ngân hàng nói riêng vừa chứng kiến một vụ bê bối đặc biệt lớn liên quan đến tập đoàn Vạn Thịnh Phát Theo đó, bà Trương Mỹ Lan, Chủ tịch Tập đoàn Vạn Thịnh Phát và một số cán bộ NHNN bị truy tố vì tội hối lộ, tham ô tài sản và vi phạm quy định của hoạt động NH à Lan đã dùng nhiều thủ đoạn và mối quan hệ để lập khống hầu hết hồ sơ tín dụng, nắm quyền điều hành và sở hữu hơn 90% cổ phần của SC Tất cả hoạt động của SC đều bị bà Lan thao túng trở thành công cụ chính phục vụ mục đích cá nhân và cho hệ sinh thái Vạn Thịnh Phát, sau đó chiếm đoạt số tiền lên đến 304.000 tỷ Hành vi này khiến SC mất thanh khoản và sở hữu số dƣ nợ tín dụng lớn không có khả năng thu hồi, buộc phải đóng cửa rất nhiều PGD trên toàn quốc Vụ việc này được nhận định là có ảnh hưởng đặc biệt lớn đến ngành ngân hàng, nền kinh tế và uy tín trong việc quản lý kinh tế của Nhà nước.
Nhìn chung, dù đã vượt qua được giai đoạn khó khăn nhất nhưng thị trường ĐS vẫn còn tồn tại nhiều vướng mắc kéo dài như hành lang pháp lý xây dựng, giao dịch, quản lý bất động sản còn chồng chéo; cung và cầu bất cân xứng gây ra tình trạng thiếu nhà ở xã hội và nhà ở giá rẻ, nhiều doanh nghiệp trở nên khát vốn, chỉ biết trông chờ chủ yếu vào nguồn vốn NH và vốn bên ngoài Cuối năm 2022, đầu 2023, do hàng loạt các vụ bê bối nêu trên cùng với sự ra đời của Thông tƣ 06/2023/TT-NHNN với nội dung chủ đạo là siết chặt hoạt động cho vay của TCTD vào lĩnh vực ĐS và chứng khoán, giao dịch đóng băng và sức mua trầm lắng khiến các nhiều doanh nghiệp gặp khó khăn trong việc xoay xở nguồn tiền Thêm vào đó, giá ĐS vẫn khá cao trong khi thu nhập và cả niềm tin của người dân chưa được cải thiện nên tín dụng ĐS vẫn ở đà tăng chậm
4.1.2 Thực trạng hiệu quả hoạt động của các Ngân hàng TMCP Việt Nam trong giai đoạn 2011-2022
Hình 4.3 ROA và ROE trung bình của các Ngân hàng TMCP niêm yết tại Việt
Nguồn: Tác giả tự tổng hợp
Trong giai đoạn 2011-2022, hiệu quả hoạt động của các NHTMCP Việt Nam có nhiều biến động ROA có xu hướng giảm dần từ năm 2011 đến năm 2015, trong đó, ROA bình quân cao nhất ở năm 2010 với 1.58% và thấp nhất là vào năm
2015 với tỷ lệ 0.49% Tương tự, ROE cũng giảm đáng kể ở năm 2012 so với 2011 và giảm dần vào những năm tiếp theo Sự sụt giảm trong giai đoạn này là bởi vì nền kinh tế nước ta phải đối mặt với nhiều khó khăn bắt nguồn từ cuộc khủng hoảng nợ công châu Âu vào năm 2009, khiến cho sự hấp thụ vốn và tăng trưởng kinh tế cũng giảm xuống ên cạnh đó, do sự giảm sút của chênh lệch giữa đầu vào và đầu ra, chi phí dự phòng RRTD và các chi phí liên quan tăng cao, trong khi chất lƣợng tín dụng giảm sút, từ đó khiến cho HQHĐ của các NH không mấy cải thiện ở giai đoạn
ROE ROA này Giai đoạn tiếp theo từ năm 2016-2022, chỉ số ROA và ROE lại ghi nhận chiều hướng cải thiện rõ rệt Nhờ những nỗ lực của Chính phủ và NHNN, kinh tế trong nước cũng như thế giới có những chuyển biến tích cực, góp phần mang lại sự tăng trưởng trong lợi nhuận của các NHTMCP tại Việt Nam Đáng chú ý, ở giai đoạn bị ảnh hưởng bởi Covid-19, cả 2 chỉ số này đều không bị ảnh hưởng nghiêm trọng và vẫn đạt mức cao Nguyên nhân là do bản thân các NH đã luôn nâng cao năng lực quản trị cũng nhƣ tài chính của mình, có xu hướng dành dụm nguồn vốn cho tương lai hơn việc chi trả cổ tức Nhờ ứng dụng thiết bị công nghệ hiện đại và cắt giảm các thủ tục hành chính, từ đó giúp NH tiết kiệm chi phí vào những hoạt động giao dịch Ngoài ra, HQHĐ của các NH vẫn ở trạng thái tốt nhờ công tác tái cơ cấu và xử lý nợ xấu, bán nợ cho VAMC cũng nhƣ tăng cường trích lập dự phòng RRTD ên cạnh đó, sự ra đời của các Thông tư và Nghị quyết của Chính phủ về việc cơ cấu lại thời hạn trả nợ, giữ nguyên nhóm nợ nhằm hỗ trợ khách hàng chịu ảnh hưởng do dịch COVID-19 đã phần nào giúp nền kinh tế tăng trưởng an toàn và ổn định.
PHÂN TÍCH THỐNG KÊ MÔ TẢ
Bảng 4.1 Thống kê mô tả các biến
Trung bình Độ lệch chuẩn
Nguồn: Xử lý từ số liệu từ phần mềm Stata 14
Căn cứ vào bảng 4.1 , tất cả các biến trong mô hình đều có 300 quan sát từ
25 ngân hàng NHTMCP trong giai đoạn 2011-2022, nhƣ vậy dữ liệu nghiên cứu có dạng cân bằng Kết quả thống kê mô tả từng biến nhƣ sau: Đối với biến phụ thuộc ROA, trong giai đoạn 2011-2022 chỉ số này dao động từ 0.00% đến 3.22% Trong đó, giá trị nhỏ nhất là 0.00% của NH Bản Việt năm
2016 và giá trị cao nhất là 3.22% của NHTMCP Kỹ Thương Việt Nam (Techcombank) năm 2022 Tổ chức đánh giá tín dụng Moody‟s cho rằng ROA > 1% thì khả năng sinh lời của NH đƣợc cho là đạt hiệu quả cao Theo số liệu thống kê, tỷ suất sinh lời trên tổng tài sản trung bình trong mô hình là 0.9% cho thấy cứ
100 đồng tài sản thì thu đƣợc 0.9 đồng lợi nhuận Điều này thể hiện rằng các nhà quản trị chƣa sử dụng tài sản để tạo ra lợi nhuận thật sự hiệu quả Độ lệch chuẩn khá nhỏ chỉ 0.67% thể hiện sự ít biến động của ROA trong giai đoạn 2011-2022 Qua số liệu thống kê cho thấy HQHĐ của các NHTMCP không đồng đều, lợi nhuận thu về chƣa thực sự khả quan Đối với biến phụ thuộc ROE, trong giai đoạn nghiên cứu ROE đang ở mức trung bình là 10.7%, dao động từ 0.02% đến 30.33% Trong đó, trị giá trị cao nhất là 30.33% thuộc về NH Quốc tế (VI ) năm 2021, giá trị nhỏ nhất là 0.02% của NHTMCP Quốc Dân (NV ) năm 2020 Theo chuẩn mực đánh giá năng lực tài chính của Moody‟s, khả năng sinh lợi của NH đƣợc đánh giá là tốt khi ROE 12%
- 15% Tỷ suất sinh lợi trên VCSH trong mô hình nghiên cứu đang ở mức trung bình là 10.7%, có nghĩa rằng cứ 100 đồng VCSH đƣợc đầu tƣ thì NH thu đƣợc 10.7 đồng lợi nhuận Điều này cho thấy mặc dù ROE ở mức độ ổn định nhƣng khả năng tạo doanh thu chƣa cao Trong số 25 NHTMCP, bên cạnh những NH sở hữu mức lợi nhuận khủng cũng có nhiều NH chƣa phát huy hết khả năng tạo ra lợi nhuận Điều đó đƣợc thể hiện qua độ lệch chuẩn khá cao 7.1%, chứng tỏ rằng mức độ chênh lệch ROE của các NH tương đối lớn Đối với biến độc lập NPL, với giá trị trung bình ở mức 2.12%, các NHTMCP đƣợc cho rằng có tỷ lệ nợ xấu ở mức an toàn chấp nhận đƣợc theo tiêu chuẩn quốc tế Giá trị này dao động từ 0.47% đến 17.93%, tỷ lệ nợ xấu lớn nhất thuộc về NVB năm 2022 trong khi giá trị nhỏ nhất là 0.47% của Techcombank năm 2022 Điều này hết sức hợp lý vì Techcombank là một trong số các NHTMCP có uy tín nhất Việt Nam, cho thấy NH có khả năng quản trị rủi ro tín dụng khá tốt Ngƣợc lại,
NV đang có mức nợ xấu rất cao cho thấy công tác xử lý rủi ro và các bước thẩm định tín dụng để hạn chế nợ xấu chƣa hiệu quả Độ lệch chuẩn khá thấp ở mức 1.51% cho thấy rằng sự chênh lệch của NPL qua các năm trong giai đoạn này không đáng kể
Tương tự tỷ lệ nợ xấu, biến độc lập đại diện cho RRTD là tỷ lệ dự phòng RRTD (LLR), với giá trị trung bình đạt 1.34% và mức độ dao động từ 0.66% đến 3.12% Giá trị lớn nhất là 3.12% thuộc về NHTMCP Việt Nam Thịnh Vƣợng (VPB) năm 2022 trong khi giá trị nhỏ nhất là 0.66% của NHTMCP Nam Á (NA ) năm
2013 Điều này cho thấy có thể đã xuất hiện nhiều rủi ro với những khoản vay ở năm 2022, nguyên nhân chính là khi nền kinh tế chịu ảnh hưởng lớn từ đại dịch Covid-19 nên VP đã trích lập một khoản dự phòng khá lớn để điều tiết thu nhập trong quản trị điều hành Độ lệch chuẩn chỉ 0.46%, chứng tỏ sự biến động của LLPR giữa các NH ở mức thấp
Biến kiểm soát quy mô NH (SIZE) của 25 NHTMCP Việt Nam trong giai đoạn nghiên cứu đạt giá trị trung bình là 5,12 tỷ đồng và có xu hướng mở rộng quy mô trong những năm tới Trong 25 NHTMCP đƣợc nghiên cứu, NHTMCP Đầu tƣ và Phát triển ( IDV) năm 2022 đạt quy mô lớn nhất là 6.32, trong khi đó NH có quy mô nhỏ nhất đó là NH TMCP Sài Gòn Công Thương (SG ) với giá trị bằng
4.16 Nhƣ vậy có thể thấy mức độ phân bố chênh lệch giữa các NH khá lớn, thể hiện qua độ lệch chuẩn 0.5
Biến kiểm soát tăng trưởng tín dụng (GROW) của 25 NHTMCP đang nghiên cứu có giá trị trung bình đạt 43.57% và độ lệch chuẩn là 15.9%, điều này chứng tỏ các NH có xu hướng mở rộng cấp tín dụng Theo mô tả thống kê, NH có giá trị tăng trưởng tín dụng lớn nhất đạt 173.5% thuộc về NHTMCP Tiên Phong (TP ) năm
2012, ngược lại NHTMCP Đông Nam Á (SS ) ghi nhận tỷ lệ tăng trưởng cho vay là -47.72% vào năm 2011, đây cũng là mức thấp nhất trong giai đoạn 2011-2022
Biến kiểm soát tỷ lệ tăng trưởng kinh tế (GDP) từ năm 2011 đến năm
2022 có giá trị trung bình là 5.85% và độ lệch chuẩn đạt 1.56% Trong đó, tốc độ tăng trưởng kinh tế ở năm 2022 là lớn nhất, đạt 8.82%, giá trị nhỏ nhất là 2.58% vào năm 2021 Điều này khá dễ hiểu bởi vì năm 2021 là khoảng thời gian Covid 19 diễn ra khá phức tạp, tất cả các hoạt động đều phải tạm ngƣng để ƣu tiên chống dịch, gây ảnh hưởng nghiêm trọng đến nền kinh tế quốc gia Đây cũng là sự đánh dấu GDP thấp nhất trong lịch sử Sau khoảng thời gian dài xuống dốc, tốc độ tăng trưởng kinh tế ở năm 2022 đã nhảy vọt và cũng là giá trị cao nhất trong khoảng thời gian nghiên cứu
Biến kiểm soát tỷ lệ lạm phát (INF) có giá trị trung bình đạt 4.98% và độ lệch chuẩn là 4.64% Trong đó, giá trị lớn nhất là 18.7% vào năm 2011 Tỷ lệ lạm phát ở Việt Nam năm 2011 có sự đột biến mạnh, nguyên nhân do lƣợng tiền đƣa ra lưu thông quá nhiều trong khi doanh nghiệp nhà nước đầu tư kém hiệu quả Sau đó, Nhà nước đã điều chỉnh và kiểm soát chặt chẽ các chính sách tiền tệ nên các khoảng thời gian sau năm 2011 có sự chuyển biến tích cực, tỷ lệ lạm phát có xu hướng giảm và đạt mức thấp nhất là 0.63% vào năm 2015.
KẾT QUẢ NGHIÊN CỨU
4.3.1 Phân tích ma trận tương quan giữa các biến ƣớc này giúp xem xét sự tác động cùng chiều hay ngƣợc chiều giữa biến phụ thuộc ROA, ROE và các biến độc lập NPL, LLR, SIZE, GROW, GDP, INF trong giai đoạn 2011-2022 Đây là bước đánh giá ban đầu cho mô hình, giúp phát hiện hiện tƣợng đa cộng tuyến nếu có giữa các biến độc lập với nhau Gujarati
(2004) cho rằng mô hình hồi quy sẽ xuất hiện hiện tƣợng đa cộng tuyến nếu hệ số tương quan giữa các biến độc lập vượt quá 0.8
Bảng 4.2 Ma trận tương quan giữa các biến – ROA
ROA NPL LLPR SIZE GROW INF GDP
Nguồn: Xử lý dữ liệu từ Fiinpro và Worldbank bằng phần mềm Stata 14
Bảng 4.3 Ma trận tương quan giữa các biến – ROE
ROE NPL LLPR SIZE GROW INF GDP
Nguồn: Xử lý dữ liệu bằng phần mềm Stata 14
Kết quả bảng 4.2 cho thấy các biến NPL, GROW, GDP tác động ngƣợc chiều đến ROA, các biến còn lại gồm LLR, SIZE và INF tác động cùng chiều đến ROA Ở bảng 4.3 thể hiện rằng NPL, GROW, INF và GDP có mối quan hệ cùng chiều với biến ROE, trong khi hai biến còn lại thì trái dấu với ROE Kết quả phân tích tương quan ở Bảng 4.2 và 4.3 cho thấy hệ số tương quan giữa các biến đều nhỏ hơn 0.8, chứng tỏ rằng các biến trong mô hình hồi quy không có mối tương quan mạnh với nhau, do đó tác giả kết luận không tồn tại hiện tƣợng đa cộng tuyến nghiêm trọng trong mô hình hồi quy Vì vậy, việc đƣa các biến này vào mô hình nghiên cứu là hoàn toàn phù hợp Thêm vào đó, tác giả tiếp tục thực hiện kiểm định hệ số phóng đại phương sai (Variance Inflation Factor - VIF) để đảm bảo hiện tƣợng đa cộng tuyến không tồn tại
4.3.2 Kiểm tra đa cộng tuyến VIF Đa cộng tuyến là hiện tượng các biến độc lập trong mô hình có mối tương quan mạnh mẽ với nhau Hệ số VIF là thước đo đa cộng tuyến, hệ số này càng cao phản ánh trường hợp đa cộng tuyến đang ở mức cao gây ảnh hưởng đến kết quả nghiên cứu Theo Nguyễn Đình Thọ (2011), nếu VIF < 10 thì mô hình không tồn tại hiện tƣợng đa cộng tuyến
Bảng 4.4 Hệ số phóng đại phương sai
Nguồn: Trích xuất từ số liệu xử lý bằng phần mềm Stata 14 ảng 4.4 cho thấy hệ số VIF của các biến trong mô hình đều nhỏ hơn 10 và có giá trị trung bình là 1.24, dao động từ 1.01 đến 1.45, chứng tỏ các biến độc lập trong mô hình không xảy ra hiện tƣợng đa cộng tuyến nghiêm trọng Do đó, hoàn toàn hợp lý khi các biến này đƣợc đƣa vào để phân tích tác động của RRTD đến HQHĐ của các NHTMCP tại Việt Nam
4.3.3 Kết quả hồi quy theo mô hình OLS, FEM và REM an đầu, đối với cả hai biến phụ thuộc ROA và ROE tác giả đều xem xét sử dụng mô hình hồi quy dữ liệu bảng thông thường với phương pháp bình phương nhỏ nhất là Pooled OLS để ước lượng các phương trình hồi quy và kiểm định một số giả thuyết của mô hình OLS ƣớc kiểm định ở cả 2 mô hình của 2 biến phụ thuộc đều cho ra kết quả rằng mô hình OLS tồn tại các khuyết tật, vì vậy tác giả tiếp tục lựa chọn kiểm định mô hình FEM hay còn gọi là mô hình tác động cố định (
Fixed Effects Model) và mô hình REM hay còn gọi là mô hình tác động ngẫu nhiên (Random-effects)
Bảng 4 5 Kết quả phân tích hồi quy theo OLS, FEM và REM (ROA)
Biến độc lập POOL OLS FEM REM
Ghi chú: *, **, *** lần lượt tương ứng với mức ý nghĩa 10%, 5% và 1%
Nguồn: Trích xuất từ số liệu xử lý bằng phần mềm Stata 14
Bảng 4.6 Kết quả phân tích hồi quy theo OLS, FEM và REM (ROE)
Biến độc lập POOL OLS FEM REM
Ghi chú: *, **, *** lần lượt tương ứng với mức ý nghĩa 10%, 5% và 1%
Nguồn: Trích xuất từ số liệu xử lý bằng phần mềm Stata 14
Từ kết quả hồi quy theo 3 mô hình OLS, FEM, REM tại bảng 4.7 thấy rằng do các phương pháp khác nhau nên kết quả ước lượng của từng mô hình cũng khác nhau Nếu chỉ dựa vào kết quả này sẽ rất khó lựa chọn đƣợc mô hình phù hợp đáp ứng đƣợc mục tiêu nghiên cứu Do đó, tác giả tiếp tục sử dụng kiểm định Hausman để lựa chọn giữa 2 mô hình FEM và REM
Bảng 4.7 Kết quả kiểm định Hausman Test: Ho: difference in coefficients not systematic
Nguồn: Trích xuất từ số liệu xử lý bằng phần mềm Stata 14
Kiểm định Hausman giúp lựa chọn một trong hai mô hình FEM và REM với hai giả thuyết sau:
H0: Mô hình REM thích hợp hơn
H1: Mô hình FEM thích hợp hơn
Qua kết quả kiểm định ở bảng 4.8, nhận thấy giá trị Prob > chi2 = 0.0000 ở cả 2 mô hình với biến phụ thuộc ROA và ROE , giá trị này nhỏ hơn 0.05 nên bác bỏ H0, chấp nhận H1 ở mức ý nghĩa 5%, đồng nghĩa rằng mô hình FEM thích hợp hơn Vậy mô hình FEM phù hợp với cả 2 mô hình
4.3.4 Kiểm định khuyết tật của mô hình
4.3.3.1 Kiểm định phương sai thay đổi và tự tương quan của mô hình OLS
Kiểm định phương sai không thay đổi và tự tương quan trong mô hình Pooled OLS đưa ra giải thuyết H0: Không có hiện tượng phương sai thay đổi/tự tương quan
Bảng 4.8 Kiểm định phương sai thay đổi và tự tương quan trong mô hình
Pooled OLS Kiểm định phương sai thay đổi Kiểm định tự tương quan
Nguồn: Trích xuất từ số liệu xử lý bằng phần mềm Stata 14
Bảng 4.8 thể hiện kết quả kiểm định phương sai thay đổi và tự tương quan trong mô hình Pooled OLS đối với hai biến phụ thuộc ROA, ROE Đối với mô hình với biến phụ thuộc ROA, kết quả ghi nhận giá trị Prob > chi2 =0.0000 và Prob > F
= 0.0007, cả hai giá trị này đều nhỏ hơn 0.05, bác bỏ H0, kết luận có cả hai hiện tượng phương sai sai số thay đổi và tự tương quan trong mô hình Tương tự, đối với mô hình với biến phụ thuộc ROE, kết quả ghi nhận giá trị Prob > chi2 =0.0037 và Prob > F = 0.0000, cả hai giá trị này đều nhỏ hơn 0.05, bác bỏ H0, kết luận có cả hai hiện tượng phương sai sai số thay đổi và tự tương quan trong mô hình
4.3.3.2 Kiểm định phương sai thay đổi và tự tương quan của mô hình FEM
Nghiên cứu sử dụng nhân tử Largrange với giả thuyết H0: "Không có hiện tượng phương sai thay đổi/tự tương quan" để kiểm định hiện tượng phương sai thay đổi và tự tương quan trong mô hình FEM Kết quả kiểm định được thể hiện trong bảng sau:
Bảng 4.9 Kiểm định phương sai thay đổi và tự tương quan của mô hình FEM Kiểm định phương sai thay đổi Kiểm định tự tương quan
Nguồn: Trích xuất từ số liệu xử lý bằng phần mềm Stata 14 ảng 4.9 thể hiện kết quả kiểm định phương sai thay đổi và tự tương quan trong mô hình FEM của 2 biến phụ thuộc ROA và ROE Theo đó, giá trị Prob của 2 mô hình đều bằng 0.0000 nhỏ hơn mức ý nghĩa 5%, kết luận rằng tồn tại cả hai hiện tượng phương sai thay đổi và tự tương quan trong mô hình FEM theo biến phụ thuộc ROA và ROE Để khắc phục khuyết tật này, khóa luận tiếp tục sử dụng mô hình GMM thông qua phần mềm Stata 14
4.3.5 Ước lượng mô hình theo phương pháp GMM
Trong nghiên cứu dữ liệu dạng mảng (panel data), FEM và REM luôn là 2 mô hình truyền thống trong việc ƣớc lƣợng mô hình nghiên cứu Tuy nhiên, thông qua kiểm định trên có thể thấy mô hình FEM xảy ra cả 2 hiện tượng là phương sai thay đổi và tự tương quan giữa các sai số Ngoài ra, RRTD và HQHĐ cũng là 2 biến đại diện dễ xuất hiện vấn đề nội sinh, điều này khiến cho kết quả hồi quy của mô hình bị thay đổi, thiếu bền vững Vì vậy, khóa luận tiếp tục sử dụng mô hình GMM (Generalized Method of Moments) để khắc phục những khuyết tật này Tác giả sử dụng biến trễ của biến phụ thuộc để làm biến độc lập và tiến hành chạy lại mô hình hồi quy
Bảng 4.3 Kết quả mô hình hồi quy theo GMM
Hệ số hồi quy Prob Hệ số hồi quy Prob
Arellano-Bond test for AR (2)
Nguồn: Trích xuất từ số liệu xử lý bằng phần mềm Stata 14
Từ kết quả ở bảng 4.10 có thể thấy rằng mô hình ước lượng bằng phương pháp GMM đã thỏa cả 3 điều kiện Thứ nhất, qua kiểm định Hansen test để xác định tính over-identifying của các biến công cụ, kết quả ghi nhận hệ số P-value của mô hình theo biến ROA, ROE đều lớn hơn 10%, chấp nhận H0, kết luận các biến công cụ không phải là biến nội sinh và phù hợp với mô hình GMM Thứ hai, kiểm định tự tương quan bậc 2 (AR2) ghi nhận giá trị P-value của cả 2 mô hình đều lớn hơn 5%, từ đó kết luận rằng không tồn tại hiện tượng tự tương quan bậc 2 trong mô hình
GMM Thứ ba, kết quả kiểm định cho thấy số biến công cụ nhỏ hơn số nhóm quan sát ở cả 2 mô hình theo đúng yêu cầu Vì vậy, các biến công cụ đƣợc đƣa vào mô hình theo biến phụ thuộc ROA và ROE hoàn toàn thỏa mãn điều kiện của các kiểm định Từ đó cho thấy rằng biến trễ của biến phụ thuộc đƣợc đƣa vào mô hình GMM làm biến công cụ đã khắc phục được hiện tượng nội sinh, tương quan sai số và tự tương quan trong mô hình, mô hình sau khi ước lượng GMM đã đạt yêu cầu và trở nên vững chắc hơn Từ đó, khóa luận đóng góp cho sự hình thành và tiếp tục xây dựng các mô hình dự báo cho các nghiên cứu trong tương lai Dựa vào kết quả ước lƣợng GMM và các kiểm định liên quan, kết luận RRTD có tác động đến HQHĐ của các NHTMCP Việt Nam ở cả 2 mô hình Mô hình tác động có dạng nhƣ sau:
0.0098SIZE + 0.0151GROW + 0.0672 GDP + 0.0809INF + it
0.0693SIZE 0.1124GROW + 0.4253 GDP + 0.4464INF + it
THẢO LUẬN KẾT QUẢ NGHIÊN CỨU
Bảng 4 10 Tóm tắt kết quả nghiên cứu
ROA Hệ số hồi quy
Mức ý nghĩa ROE Hệ số hồi quy
Nguồn: Tổng hợp từ kết quả nghiên cứu
4.4.1 Tác động của rủi ro tín dụng đến hiệu quả hoạt động của các Ngân hàng Thương mại Cổ phần tại Việt Nam
Hệ số hồi quy theo GMM của NPLR lần lƣợt là -0.3583 và -2.0790 đối với biến ROA và ROE, chứng tỏ rằng ở mức ý nghĩa 1%, tỷ lệ nợ xấu tác động tiêu cực đến HQHĐ của các NHTMCP Việt Nam Kết quả này có ý nghĩa rằng khi các yếu tố khác giữ nguyên, nếu NPLR tăng 1% thì ROA giảm 35.58% và ngược lại Tương tự với biến ROE, khi NPLR tăng 1% thì ROE giảm 207.9% và ngƣợc lại Kết quả này cũng đƣợc tìm thấy trong các nghiên cứu của Zou và cộng sự (2014), Kani và cộng sự (2017), Trịnh Quốc Trung và Nguyễn Văn Sang (2013), đồng thời tương đồng với giả thuyết H1: "Tỷ lệ nợ xấu tác động ngƣợc chiều đến HQHĐ của ngân hàng”
Lý giải cho mối quan hệ ngƣợc chiều này là vì các NHTMCP phải gánh chịu các khoản phí khi khách hàng không trả nợ hoặc trả không đúng hạn, khiến cho RRTD tăng cao, các chi phí này có thể là các khoản tiền liên quan để cung cấp dịch vụ pháp lý hoặc để thu hồi khoản vay, từ đó dẫn đến hao hụt về lợi nhuận của các
NH ên cạnh đó, khi hoạt động tín dụng của NH không đƣợc quản lý tốt khiến cho HQHĐ kém hiệu quả, từ đó dẫn đến nợ xấu tăng cao Điều này cũng tương đồng với kỳ vọng của lý thuyết “kém may mắn” và “quản lý kém” của Berger và DeYoung (1997) Ngoài ra, việc không thu hồi đƣợc các khoản vay còn thể dẫn đến giảm giá trị tài sản của ngân hàng, đặc biệt là khoản vay ĐS Theo Luật Các tổ chức tín dụng 2010, TCTD đƣợc phép sở hữu ĐS do việc xử lý nợ vay Tuy nhiên, trong thời hạn 3 năm kể từ ngày quyết định xử lý tài sản bảo đảm là bất động sản, TCTD phải bán, chuyển nhƣợng hoặc mua lại bất động sản này để bảo đảm tỷ lệ đầu tƣ vào tài sản cố định và mục đích sử dụng tài sản cố định Theo đó, với tâm lý e ngại của người dân đối với việc mua tài sản thông qua đấu giá, do đó những tài sản này phải bị giảm giá nhiều lần vì không ai mua, điều này khiến lợi nhuận của
NH bị ảnh hưởng theo Mặt khác, các NH cũng gặp nhiều khó khăn trong xử lý nợ xấu vì rất nhiều trường hợp khách hàng không đủ khả năng trả nợ nhưng không hợp tác, cố tình tạo tranh chấp giả để kéo dài thời gian trong bàn giao tài sản thế chấp
Trong giai đoạn 2011-2013 đầy khó khăn, tác giả nhận thấy rằng tỷ lệ nợ xấu của các NHTMCP tăng đột biến, nguyên nhân là do ảnh hưởng của cuộc khủng hoảng tài chính toàn cầu khiến cho tình hình kinh tế trong nước phải đối mặt với nhiều nguy cơ tiềm ẩn đi kèm với thách thức Cùng với đó là sự giảm sút nghiêm trọng về lợi nhuận của các NHTMCP trong giai đoạn này Nhờ chính sách điều tiết cung tiền hợp lý của Chính phủ và NHNN, tỷ lệ nợ xấu từ năm 2014 trở đi đã bắt đầu giảm và có xu hướng ổn định, hiệu quả kinh doanh của các NH cũng tăng dần trở lại Mối quan hệ tiêu cực giữa tỷ lệ nợ xấu và HQHĐ của NH còn đƣợc thể hiện rõ qua ở những năm 2021 và 2022, đây tiếp tục là một giai đoạn hết sức khó khăn của nền kinh tế Việt Nam nói riêng Do tác động của đại dịch Covid-19, các hoạt động thương mại đều đình trệ, rất nhiều doanh nghiệp đóng cửa và phá sản, cùng với đó là thu nhập của người dân cũng giảm sút khiến họ không có tiền trả các khoản vay NH Do vậy, tỷ lệ nợ xấu ở giai đoạn này nhìn chung tăng cao, bên cạnh đó cũng có nhiều NH chú trọng kiểm soát rủi ro nên lợi nhuận thu về không bị ảnh hưởng nặng từ đại dịch
4.4.1.2 Tỷ lệ dự phòng rủi ro tín dụng
Hệ số hồi quy theo GMM của LLPR lần lƣợt là 0.4913 và -0.7470 đối với biến ROA và ROE, chứng tỏ tỷ lệ dự phòng RRTD tác động cùng chiều đến HQHĐ theo biến ROA và ngƣợc chiều với HQHĐ theo biến ROE với mức ý nghĩa 1% Kết quả nghiên cứu cho thấy, trong điều kiện các yếu tố khác không đổi, khi LLPR tăng 1% thì ROA tăng 49.13% Đối với ROE, khi LLPR tăng 1% thì ROE giảm 74.7% Kết quả đối với biến đại diện ROE giống với giả thuyết H2 tác giả đã đƣa ra: “Dự phòng rủi ro tín dụng tác động ngƣợc chiều đến HQHĐ của ngân hàng” Kết quả này cũng đƣợc tìm thấy trong các nghiên cứu của Mustafa và cộng sự (2012), Kani và cộng sự (2017), Phạm Thị Kiều Khanh và cộng sự (2018) Mối quan hệ ngƣợc chiều này được giải thích rằng khi đứng trước các nguy cơ rủi ro cao, NH càng trích lập nhiều khoản dự phòng để đối phó và đảm bảo tính ổn định trong tương lai Do đó, trích lập càng nhiều quỹ dự phòng càng khiến lợi nhuận ngắn hạn của NH giảm xuống
Phần lớn các nghiên cứu trước đây đều chỉ ra mối quan hệ ngược chiều giữa LLPR và HQHĐ Tuy nhiên, có không ít các nghiên cứu ủng hộ rằng LLPR tác động tích cực đến HQHĐ, trong đó có các nghiên cứu của Nguyễn Thành Đạt và cộng sự (2021), Greenawalt và Sinkey (1988), Wahlen (1994) Kết quả nghiên cứu sự tác động tích cực giữa LLPR và HQHĐ theo biến ROA cũng tương đồng với kết quả nghiên cứu của những tác giả này Họ cho rằng LLPR cao chứng tỏ HQHĐ tốt và ngƣợc lại Khoản dự phòng RRTD đƣợc coi nhƣ một công cụ để quản lý nguồn doanh thu, nguồn vốn của NH và thể hiện chiến lược thu nhập trong tương lai NH có quỹ dự phòng càng lớn chứng tỏ các nhà quản trị rất quan tâm đến sự an toàn và bền vững của NH, khi đã có biện pháp dự phòng vững chắc thì nguy cơ bị tác động bởi các khoản nợ xấu đƣợc kiểm soát Điều này góp phần xây dựng niềm tin cho các nhà đầu tƣ và cơ quan quản lý, từ đó mang đến HQHĐ cao cho NH
Tương tự tỷ lệ nợ xấu, tỷ lệ dự phòng RRTD cũng là một chỉ tiêu quan trọng đánh giá mức độ RRTD của NH Trong giai đoạn 2011-2013, LLPR tăng cao bởi vì các NH phải trích lập một phần lợi nhuận để xử lý nợ xấu theo định hướng tái cơ cấu của NHNN ắt đầu từ năm 2013 trở đi, tỷ lệ này có xu hướng giảm và đặc biệt giảm đáng kể trong 2 năm ở giai đoạn nghiên cứu là 2015 và 2016 Theo số liệu thu thập đƣợc, LLPR của các NHTM lại tiếp tục tăng từ năm 2017 và nhảy vọt ở năm
2021, điều này khá hợp lý vì đây là thời điểm nước ta phải đối mặt với nhiều rủi ro từ đại dịch Covid-19, buộc các NH chủ động trích lập dự phòng cao hơn những năm trước
4.4.2 Tác động của các yếu tố khác đến hiệu quả hoạt động của Ngân hàng Thương mại Cổ phần tại Việt Nam
Hệ số hồi quy theo GMM của tỷ lệ tăng trưởng tín dụng (GROW) lần lượt là 0.0151 và -0.1124 đối với biến ROA và ROE, chứng tỏ tỷ lệ TTTD tác động cùng chiều đến HQHĐ theo biến ROA và ngƣợc chiều với HQHĐ theo biến ROE với mức ý nghĩa 1% Kết quả nghiên cứu cho thấy, trong điều kiện các yếu tố khác giữ nguyên, khi TTTD tăng (giảm) 1% thì ROA tăng (giảm) 1.51% Đối với ROE, khi TTTD tăng 1% thì ROE giảm 11.24% và ngƣợc lại Kết quả đối với biến đại diện ROA tương đồng với giả thuyết H3 tác giả đã đưa ra: “Tăng trưởng tín dụng tác động cùng chiều đến HQHĐ của ngân hàng” Điều này cũng đƣợc tìm thấy trong các nghiên cứu của các tác giả Đặng Văn Dân (2020), howmik và cộng sự (2021)
Mối quan hệ tích cực này được lý giải rằng Việt Nam là một nước đang phát triển, do đó số lượng doanh nghiệp và tốc độ thương mại ngày một tăng nhanh, từ đó mức sống và tiêu dùng của người dân trở nên mạnh mẽ hơn Đồng thời, tín dụng là một trong những hoạt động chủ chốt đem lại lợi nhuận chính cho NH, vì thế khi nhu cầu tăng cao, các NH thường tăng lãi suất cho vay, điều này đem lại mức lợi nhuận cao cho NH Sau giai đoạn bị ảnh hưởng bởi đại dịch, NHNN ban hành Thông tƣ 14/2021/TT-NHNN về việc cơ cấu lại thời hạn trả nợ và giữ nguyên nhóm nợ nhằm tháo gỡ khó khăn cho cả NH và doanh nghiệp, từ đó khơi thông dòng vốn, giúp cải thiện tốc độ TTTD và bổ sung nguồn vốn cho NH Tuy nhiên từ đầu năm
2022, sau hàng loạt vụ bê bối của Tập đoàn FLC, Tân Hoàng Minh, Chứng khoán Trí Việt…cùng với sự kết thúc của Thông tƣ 14 nêu trên, NNNH đã ra Thông tƣ 06 với nội dung chủ đạo là siết chặt hoạt động cho vay của tổ chức tín dụng, chi nhánh ngân hàng nước ngoài vào các lĩnh vực rủi ro như ĐS và chứng khoán Điều này đã dẫn đến tình trạng khách hàng có nhu cầu vay vốn bao gồm doanh nghiệp bất động sản, người mua nhà, nhà đầu tư, sẽ không tiếp cận được tín dụng Tình trạng này tác động lớn đến ngành ngân hàng bởi vì thị trường bất động sản đóng góp phần lớn dƣ nợ tín dụng của toàn hệ thống ngân hàng
Bên cạnh đó, kết quả nghiên cứu của Foos và cộng sự (2010), Fahlenbrach
(2018), Lee và Rosenkranz (2019) lại tìm thấy mối quan hệ ngƣợc chiều giữa TTTD và HQHĐ của NH Kết quả nghiên cứu cho thấy sự tác động tiêu cực giữa TTTD và HQHĐ theo biến ROE cũng đồng nhất với kết quả nghiên cứu của những tác giả này Họ cho rằng trong các giai đoạn mở rộng tín dụng, các NH có xu hướng đánh giá thấp rủi ro và cho vay quá mức góp phần làm tích tụ nợ xấu gây ảnh hưởng tiêu cực đến lợi nhuận NH
Hệ số hồi quy theo GMM của biến quy mô NH (SIZE) đối với biến ROA và ROE lần lƣợt là 0.0098 và 0.0693, chứng tỏ rằng tồn tại mối quan hệ cùng chiều giữa biến SIZE và HQHĐ với mức ý nghĩa 1% Kết quả này tương đồng với giả thuyết H4 tác giả đặt ra ban đầu: “Quy mô ngân hàng tác động cùng chiều đến HQHĐ của ngân hàng” Cụ thể, trong điều kiện các yếu tố khác giữ nguyên, nếu biến SIZE tăng 1% thì HQHĐ theo biến ROA tăng 0.98% và ngược lại Tương tự với biến ROE, nếu biến SIZE tăng 1% thì HQHĐ theo biến ROE tăng 6.93% và ngƣợc lại Kết quả này hoàn toàn phù hợp với kỳ vọng ban đầu và kết quả nghiên cứu của Zou và cộng sự (2014), Saeed và Zahid (2016), Đặng Văn Dân (2020), Phạm Xuân Quỳnh (2023) Mối quan hệ tích cực này đƣợc lý giải rằng khi NH mở rộng hoạt động kinh doanh, ứng dụng nhiều công nghệ tiên tiến giúp đơn giản hóa các quy trình và thủ tục giao dịch Mặt khác, các NH dần có xu hướng hợp tác với các công ty Fintech để khai thác mạng lưới khách hàng cũng như dữ liệu của NH
Vì vậy, NH có thể đáp ứng đƣợc những yêu cầu cao hơn của khách hàng và mang lại chất lƣợng cùng với độ chính xác cao, từ đó giúp gia tăng nguồn thu cho NH