Các Nhân Tố Ảnh Hưởng Đến Rủi Ro Tín Dụng Của Các Ngân Hàng Thương Mại Việt Nam.pdf

Đề tài sử dụng tỷ lệ nợ xấu NPL là biến phụ thuộc, phương pháp nghiên cứu là định lượng kết hợp cùng các mô hình Pooled OLS hồi quy bình phương tối thiểu gộp, FEM hồi quy tác động cố địn

GIỚI THIỆU VỀ ĐỀ TÀI NGHIÊN CỨU

Lý do chọn đề tài

Hệ thống ngân hàng thương mại (NHTM) đóng một vai trò quan trọng trong nền kinh tế và hệ thống tài chính vì ngân hàng hoạt động như một trung gian tài chính phân bổ vốn từ bên thừa cho bên thiếu và chỉ khi hoạt động kinh doanh của ngân hàng đạt hiệu quả thì nền kinh tế mới có những bước phát triển Không thể phủ nhận rằng các ngân hàng hiện nay đang tích cực mở rộng và phát triển thêm nhiều sản phẩm dịch vụ bên cạnh các sản phẩm truyền thống, tuy nhiên, hoạt động tín dụng vẫn chiếm phần lớn và mang lại tỷ trọng lợi nhuận cao trong doanh thu các ngân hàng thương mại Việt Nam Để có được lợi nhuận như vậy, cũng không thể không nhắc đến những nguy cơ tiềm ẩn xung quanh hoạt động cấp tín dụng Tuy nhiên, quản lý rủi ro tốt là một công cụ quan trọng có thể làm tăng lợi nhuận của ngân hàng (Oker, 2017)

Rủi ro tín dụng (RRTD) thường gặp phải hai loại rủi ro là rủi ro hệ thống và RRTD phi hệ thống RRTD có hệ thống là rủi ro về cơ bản đến từ những thay đổi bất ngờ từ kinh tế, chính trị, thị trường tài chính và các yếu tố khác không nằm trong tầm kiểm soát của một doanh nghiệp Mặt khác, RRTD phi hệ thống là rủi ro bắt nguồn từ việc quản lý một công ty hoặc điều kiện của lĩnh vực công ty hoạt động (Yurdakul, 2014) Những thay đổi bất lợi của điều kiện kinh tế vĩ mô như lạm phát, GDP, lãi suất và tỷ giá hối đoái có thể dẫn đến khủng hoảng ngân hàng (Louzis và cộng sự, 2012) Ngoài ra, một số biến số cụ thể của ngân hàng như tăng trưởng tín dụng, lợi nhuận và quy mô ngân hàng có ảnh hưởng đến cách quản lý ngân hàng, do đó ảnh hưởng đến sự biến động của RRTD (Ghosh, 2015)

Nhìn lại cuộc khủng hoảng tài chính năm 2008 xuất phát từ khủng nợ dưới chuẩn và nhà đất tại Mỹ, do những chính sách tín dụng dễ dãi của các ngân hàng và tổ chức đầu tư bất động sản Bong bóng bất động sản càng lúc càng phình to đã đặt thị trường nhà đất và tiếp đó là tín dụng tại Mỹ cũng như nhiều quốc gia châu Âu vào thế nguy hiểm (Hoàng Chí Cương và cộng sự) Trong khi đó, cấu trúc của hệ thống ngân hàng thay đổi, ủng hộ việc liên kết quốc tế khiến cuộc khủng hoảng bắt đầu từ Mỹ cũng ảnh hưởng đến các quốc gia đang phát triển Hầu hết khủng hoảng ngân hàng là do nợ xấu, đó là lý do tại sao cần phải hiểu vấn đề RRTD của ngân hàng dưới dạng nợ xấu (NPL) trước khi kiểm tra nguyên nhân khác có thể xảy ra của cuộc khủng hoảng ngân hàng (Castro, 2013) Giảm thiểu tỷ lệ nợ xấu là một trong những vấn đề nan giải không chỉ đối với các nhà quản trị tín dụng mà còn ảnh hưởng đến hệ thống ngân hàng thương mại Việt Nam nói riêng và thế giới nói chung Theo (An Tuệ, 2022), nợ xấu tăng khiến lợi nhuận kinh doanh giảm, nguy cơ mất vốn cao và ảnh hưởng đến khả năng thanh toán của ngân hàng Bên cạnh đó, nợ xấu gia tăng làm giảm uy tín và khả năng của ngân hàng đồng thời có thể là nguyên nhân dẫn đến ngân hàng bị phá sản Riêng tác động đối với nền kinh tế trong nước, nợ xấu khiến hoạt động sản xuất kinh doanh đình trệ, tồn đọng hàng hóa, nguồn vốn bị tắc nghẽn, gia tăng tăng tỷ lệ lạm phát và tỷ lệ thất nghiệp (Hà

Chính vì vậy, đề tài “ Các nhân tố ảnh hưởng đến rủi ro tín dụng của các ngân hàng thương mại Việt Nam ” thực hiện nhằm mục tiêu xác định các nhân tố ảnh hưởng đến RRTD đồng thời đưa ra các hàm ý chính sách nhằm hạn chế RRTD đối với các ngân hàng thương mại Việt Nam.

Mục tiêu nghiên cứu

Mục tiêu chung của đề tài là phân tích các nhân tố ảnh hưởng đến RRTD của các NHTM Việt Nam, từ đó đề xuất một số chính sách nhằm giảm thiểu RRTD cho hệ thống ngân hàng thương mại Việt Nam

Từ mục tiêu tổng quát nêu trên, khóa luận chi tiết thành các mục tiêu cụ thể:

Một là, xác định các nhân tố tác động đến RRTD tại các NHTM

Hai là, xác định chiều hướng và mức độ tác động của các yếu tố trên đối với

RRTD tại các NHTM Việt Nam

Ba là, đề xuất một số hàm ý chính sách nhằm góp phần giảm thiểu rủi ro cho các NHTM trong thời gian tới.

Câu hỏi nghiên cứu

Để giải quyết các mục tiêu nghiên cứu đã đặt ra, cần thiết phải trả lời các câu hỏi nghiên cứu sau:

Một là, các yếu tố nào ảnh hưởng đến RRTD tại các NHTM?

Hai là, chiều hướng và mức độ tác động của các yếu tố này đến RRTD tại các NHTM Việt Nam như thế nào?

Ba là, có các hàm ý chính sách nào được đề xuất nhằm hạn chế rủi ro tín dụng cho các NHTM Việt Nam?

Đối tượng và phạm vi nghiên cứu

1.4.1 Đối tượng nghiên cứu Đối tượng nghiên cứu của bài luận là các nhân tố tác động đến RRTD của các Ngân hàng thương mại Việt Nam

Không gian nghiên cứu: Đề tài nghiên cứu ở 27 Ngân hàng Thương mại Việt

Nam đang hoạt động vì lý do một số ngân hàng công bố thông tin không đầy đủ

Thời gian nghiên cứu : Dữ liệu nghiên cứu được tác giả thu thập và thống kê trong giai đoạn từ năm 2012 đến năm 2022 Lý do tác giả lựa chọn mốc thời gian này bởi vì đây là giai đoạn nền kinh tế trải qua sự biến động và thay đổi rõ rệt khiến hệ thống Ngân hàng thương mại gặp nhiều vấn đề liên quan đến RRTD.

Phương pháp nghiên cứu và dữ liệu nghiên cứu

Trong khóa luận này tác giả sử dụng kết hợp hai phương pháp nghiên cứu định tính và định lượng nhằm trả lời các câu hỏi nghiên cứu đã đặt ra, cụ thể:

Phương pháp nghiên cứu định tính: Phương pháp khái quát hóa và hệ thống hóa được sử dụng để thực hiện tổng hợp cơ sở lý thuyết và tổng quan các nghiên cứu liên quan đến rủi ro tín dụng tại các NHTM Việt Nam Bên cạnh đó, tác giả tiến hành phân tích, so sánh, đối chiếu cùng phương pháp quy nạp nhằm giải thích đưa ra kết luận về những biến độc lập có ảnh hưởng đến RRTD Cuối cùng, tác giả sử dụng phương pháp nội suy và ngoại suy nhằm đưa ra hàm ý chính sách và các khuyến nghị

Phương pháp nghiên cứu định lượng: Nghiên cứu sử dụng dữ liệu bảng kết hợp các mô hình hồi quy bình phương tối thiểu gộp (Pooled OLS), mô hình tác động ngẫu nhiên (REM), mô hình tác động cố định (FEM) thông qua phần mềm Stata 17 Bằng cách sử dụng các kiểm định, mô hình phù hợp sẽ được lựa chọn và tác giả sẽ tiến hành kiểm tra các khuyết tật của mô hình Nếu mô hình có bất kỳ khuyết tật nào, tác giả sẽ sử dụng mô hình hồi quy bình phương nhỏ nhất tổng quát (GLS) để khắc phục

Trong nghiên cứu này, tác giả thu thập và xử lý dữ liệu các yếu tố nghiên cứu trong giai đoạn 2012-2022 của các NHTM thông qua phương pháp thống kê mô tả Theo đó, đề tài sử dụng nguồn dữ liệu thứ cấp từ báo cáo tài chính, báo cáo thường niên của 27 Ngân hàng thương mại tại Việt Nam Đối với số liệu về tốc độ tăng trưởng kinh tế (GDP) và lạm phát (INF) được thu thập từ World Open Data (WOD), chỉ số giá bất động sản (RPI) được thu thập và tổng hợp từ Savills Việt Nam.

Ý nghĩa của nghiên cứu

1.6.1 Ý nghĩa khoa học Đề tài nghiên cứu kế thừa và phát triển dựa trên cơ sở lý thuyết và kết quả từ các nghiên cứu trong quá khứ Chính vì vậy, kết quả bài nghiên cứu này sẽ cung cấp thêm bằng chứng thực nghiệm cho các nghiên cứu trước đây về đề tài rủi ro tín dụng của các NHTM Việt Nam

Bài nghiên cứu sẽ cung cấp một cái nhìn tổng quát về tầm ảnh hưởng của các yếu tố vi mô và vĩ mô cho các Ngân hàng thương mại thông qua việc sử dụng nguồn số liệu gần nhất Từ đó đề ra một số đề xuất, khuyến nghị giúp các nhà quản trị của ngân hàng quản lý và kiểm soát RRTD trong thời gian tới.

Kết cấu của khóa luận

Khóa luận bao gồm 5 chương:

Tác giả giới thiệu tổng quan về đề tài nghiên cứu và các vấn đề của nghiên cứu bao gồm: lý do chọn đề tài, mục tiêu nghiên cứu (tổng quát và cụ thể), xác định đối tượng và phạm vi nghiên cứu, câu hỏi nghiên cứu, phương pháp nghiên cứu, bố cục bài nghiên cứu và những đóng góp của đề tài trong khoa học cũng như thực tiễn

CHƯƠNG 2: TỔNG QUAN LÝ THUYẾT VÀ KHẢO LƯỢC NGHIÊN CỨU

Phần này tập trung vào việc trình bày các quan điểm và lý thuyết liên quan đến RRTD, đồng thời đánh giá các nghiên cứu trước đó về các yếu tố ảnh hưởng đến RRTD trong hệ thống ngân hàng thương mại của Việt Nam Qua đó hình thành định hướng rõ ràng để phát triển phương pháp nghiên cứu và chọn lựa các biến số thích hợp cho mô hình

CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU

Dựa trên lý thuyết đề cập ở chương 2, chương 3 xây dựng mô hình nghiên cứu, dữ liệu, phương pháp và quy trình nghiên cứu nhằm thu được kết quả nghiên cứu phù hợp với mục tiêu đề ra Từ đó, đề xuất mô hình thể hiện mối quan hệ giữa các nhân tố vi mô và vĩ mô

CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN

Bằng phương pháp thống kê mô tả, phân tích tương quan giữa các biến số trong mô hình, kiểm định các giả thuyết, trong phần này tác giả sẽ trình bày, diễn giải kết quả từ mô hình nghiên cứu đồng thời đưa ra nhận xét trong quá trình phân tích

CHƯƠNG 5: KẾT LUẬN VÀ KHUYẾN NGHỊ

Tác giả tổng kết các kết quả đạt được trong quá trình nghiên cứu, tóm tắt các kết luận, đưa ra những mặt hạn chế của khóa luận và các hướng nghiên cứu mở rộng sau này Từ đó đề xuất những giải pháp nhằm nâng cao hoạt động tín dụng và giảm thiểu RRTD trong hệ thống Ngân hàng thương mại Việt Nam

Chương 1 đã chứng minh được tính cấp thiết của đề tài thông qua việc tiếp cận góc độ lý thuyết Nhằm mục tiêu xác định các nhân tố ảnh hưởng đến RRTD tại các NHTM Việt Nam trong giai đoạn 2012 – 2022, tác giả đã chỉ ra mục tiêu nghiên cứu và hình thành 3 câu hỏi nghiên cứu về các yếu tố tác động, mức độ cũng như chiều hướng tác động của chúng đến RRTD của các NHTM Việt Nam Từ đó, những giải pháp được đề ra nhằm giảm thiểu nguy cơ phát sinh nợ xấu thông qua hoạt động kinh doanh và quản lý trong hệ thống các NHTM Việt Nam Bên cạnh đó, tác giả xác định phương pháp định tính và định lượng sẽ được sử dụng trong bài nghiên cứu, đưa cấu trúc khái quát của đề tài bao gồm 5 chương nội dung và cuối cùng tóm lược những đóng góp của đề tài về mặt khoa học cũng như thực tiễn Nhằm trả lời các câu hỏi nghiên cứu nêu trên, ở chương 2 tác giả sẽ đưa ra cơ sở lý thuyết về RRTD tại các NHTM Việt Nam, các yếu tố tác động đến RRTD của NHTM thông qua lược khảo các tài liệu nghiên cứu trong nước và ngoài nước đã được công nhận nhằm làm cơ sở xây dựng các giả thuyết nghiên cứu tại chương 3.

CƠ SỞ LÝ THUYẾT VÀ TỔNG QUAN NGHIÊN CỨU

Tổng quan về rủi ro tín dụng của ngân hàng thương mại

2.1.1 Khái niệm về tín dụng ngân hàng

Theo quan điểm truyền thống, tín dụng đơn giản là một giao dịch giữa hai bên, trong đó một bên chuyển giao quyền sử dụng một khoản giá trị hoặc tài sản cụ thể cho bên kia với các điều kiện cụ thể mà cả hai bên đồng ý

Theo hai nhà kinh tế người Đức Situkh và Zahriga (1975), tín dụng xảy ra khi một bên (người nợ) cho bên kia (người cho vay) sử dụng một số tiền nhất định, và khi đến hạn trả nợ, người nợ phải trả lại toàn bộ số tiền đã vay cùng với một khoản lãi mà đã được thỏa thuận trước đó

Theo Nguyễn Văn Tiến (2010) cho rằng tín dụng ngân hàng là hoạt động ngân hàng thỏa thuận để khách hàng sử dụng một tài sản (bằng tiền, tài sản thực hay uy tín) với nguyên tắc có hoàn trả bằng các nghiệp vụ cho vay, chiết khấu, tái chiết khấu, bảo lãnh ngân hàng, cho thuê tài chính và các nghiệp vụ khác

Theo Hồ Diệu (2001) tín dụng được định nghĩa là khoản mục sử dụng vốn lớn nhất và cũng là hoạt động mang lại thu nhập lớn nhất của các ngân hàng Vì vậy sự thành công hay thất bại của ngân hàng phụ thuộc rất lớn vào hoạt động tín dụng

Theo Bùi Diệu Anh (2022) thì tín dụng ngân hàng là một giao dịch giữa hai chủ thể, trong đó bên cấp tín dụng (ngân hàng/ tổ chức tín dụng khác) chuyển giao một tài sản cho bên nhận tín dụng (doanh nghiệp, cá nhân hoặc các chủ thể khác) sử dụng theo nguyên tắc có hoàn trả cả gốc và lãi

Dựa trên những định nghĩa trên, có thể hiểu rằng tín dụng ngân hàng là mối quan hệ giữa ngân hàng (nhà cho vay) và các thực thể khác trong nền kinh tế

(những người vay) dựa trên việc hoàn trả cả gốc và lãi cho ngân hàng trong một khoảng thời gian nhất định thông qua các hoạt động như cho vay, chiết khấu, cho thuê tài chính, bảo lãnh, và các dịch vụ cấp tín dụng khác

2.1.2 Khái niệm về rủi ro tín dụng

Theo Bessis (2011) rủi ro tín dụng là rủi ro bị tổn thất do người đi vay không có khả năng chi trả dẫn đến vỡ nợ hoặc không thanh toán được nợ Rủi ro vỡ nợ xuất hiện khi người đi vay không thực hiện đúng nghĩa vụ nợ của mình dẫn đến gây ra tổn thất một phần hoặc toàn bộ số tiền của bên cho vay Ngoài ra, RRTD còn liên quan đến sự suy giảm trong tình trạng tín dụng của người vay, điều này không nhất thiết dẫn đến vỡ nợ ngay lập tức, nhưng tăng khả năng xảy ra Mặc dù giá trị ghi sổ của khoản vay không thay đổi khi chất lượng tín dụng của người vay suy giảm nhưng giá trị thực tế cho nền kinh tế giảm do khả năng vỡ nợ tăng lên Đối với một khoản nợ được giao dịch, một giao dịch không thuận lợi sẽ làm giảm giá trị niêm yết của nó

Theo Nguyễn Thị Hoài Phương (2012), RRTD sẽ xuất hiện trong trường hợp ngân hàng không thu được toàn bộ cả gốc lẫn lãi của khoản tín dụng, hoặc khi việc chi trả nợ gốc và lãi không đúng theo kỳ hạn RRTD không chỉ xuất hiện trong việc cho vay mà còn trong nhiều hoạt động khác như, cho vay qua thị trường liên ngân hàng, tín dụng thuê mua, bảo lãnh, tài trợ thương mại, đồng tài trợ dự án

Theo Yurdakul (2014) một trong những rủi ro lớn nhất mà các ngân hàng phải đối mặt là RRTD Tác giả lập luận rằng khả năng mất mát của ngân hàng khi người vay không thể thanh toán đúng hạn hoặc không thực hiện được nghĩa vụ theo hợp đồng với ngân hàng được gọi là RRTD

Theo Bùi Diệu Anh (2022) thì rủi ro trong hoạt động cấp tín dụng có thể được hiểu là những biến cố không chắc chắn phát sinh trong quá trình cấp tín dụng của ngân hàng, mà hậu quả của những biến cố này mang lại tổn thất về thu nhập, giá trị vốn hoặc tổn hại cho danh tiếng của ngân hàng

Tóm lại, từ những khái niệm trên RRTD có thể được định nghĩa là nguy cơ phát sinh trong quá trình Ngân hàng cấp tín dụng cho các tổ chức kinh tế, doanh nghiệp và cá nhân khi bên vay không tuân thủ cam kết hoặc không thực hiện đúng nghĩa vụ thanh toán số tiền gốc và lãi Việc này có thể bao gồm việc thanh toán chậm trễ, chỉ thanh toán một phần hoặc không tuân thủ cam kết đã được thỏa thuận trong hợp đồng

2.1.3 Các tiêu chí đo lường rủi ro tín dụng

Hiện nay, đã có nhiều công trình nghiên cứu trên thế giới và tại Việt Nam về các nhân tố ảnh hưởng đến RRTD của hệ thống các NHTM Trong đó chỉ tiêu tác động trực tiếp được sử dụng phổ biến và rộng rãi là tỷ lệ nợ quá hạn, nợ xấu và tỷ lệ trích lập dự phòng RRTD

Tỷ lệ nợ quá hạn

Khi đến thời hạn cam kết trả nợ mà người đi vay không có khả năng chi trả một phần hay toàn bộ khoản vay đồng nghĩa nợ quá hạn sẽ phát sinh Khoản này sẽ được đánh giá dựa trên thời gian quá hạn để phân chia vào các nhóm nợ đủ tiêu chuẩn, nợ dưới tiêu chuẩn, nợ cần chú ý, nợ nghi ngờ và nợ có khả năng mất vốn

Tỷ lệ nợ quá hạn theo Phạm Thái Hà (2017) được thiết lập như sau:

Tỷ lệ khách hàng có nợ quá hạn trên tổng khách hàng có dư nợ

Căn cứ vào các tiêu chí trên, nếu ngân hàng đang có chỉ tiêu nợ quá hạn và số lượng khách hàng có nợ quá hạn cao thì ngân hàng có mức RRTD cao và ngược lại

Các nhân tố ảnh hưởng đến rủi ro tín dụng của các ngân hàng thương mại

Quy mô ngân hàng (SIZE)

Quy mô cả ngân hàng là một trong những yếu tố ảnh hưởng đến RRTD và được tính bằng cách lấy logarit tự nhiên của tổng giá trị tài sản Các ngân hàng sở hữu tổng tài sản lớn, sở hữu hệ thống quản lý rủi ro tốt có khả năng sử dụng sức mạnh thị trường của họ để nắm giữ một danh mục cho vay đa dạng, khiến RRTD duy trì ở mức thấp Kết quả nghiên cứu của Nguyễn Thị Hồng Vinh và Nguyễn Minh Sáng (2019) cho thấy quy mô ngân hàng có ảnh hưởng tiêu cực đối với RRTD

Các nghiên cứu trước đó đã phát hiện rằng các ngân hàng lớn với tài sản cao hơn có khả năng sử dụng các phương pháp đa dạng hóa mang lại rủi ro thấp hơn Tuy nhiên Ranjan và Dhal (2003) đã chỉ mối quan hệ tích cực giữa kích thước ngân hàng và RRTD Họ giải thích rằng đa số khách hàng của các ngân hàng sở hữu tổng tài sản lớn là những doanh nghiệp lớn có uy tín trong vay mượn nên ngân hàng thường đơn giản hóa quy trình kiểm duyệt cho vay Chính vì vậy, đây là những khoản vay tìm ẩn nguy cơ phát sinh RRTD Ngoài ra, theo một nghiên cứu của Das và Ghosh (2007) đã chỉ ra rằng quy mô ngân hàng càng lớn thì tâm lý chấp nhận rủi ro cao hơn và ảnh hưởng của tư tưởng “quá lớn để sụp đổ” (Chaibi và Ftiti, 2014) khiến kết quả nợ xấu trong tương lai cao hơn

Lợi nhuận của ngân hàng (ROA)

Trong thời kỳ nền kinh tế tăng trưởng mạnh mẽ, hoạt động sản xuất kinh doanh của khách hàng thuận lợi và có khả năng trả nợ đúng hạn làm cho lợi nhuận của ngân hàng gia tăng Hu và cộng sự (2004) cho rằng các ngân hàng có lợi nhuận càng cao sẽ có cơ hội tiếp cận và lựa chọn khách hàng do không phải chịu áp lực tạo ra lợi nhuận vì vậy khả năng phát sinh rủi ro thấp Đối với các ngân hàng hoạt động kinh doanh không hiệu quả (hoặc không thu lợi nhuận), các nhà quản trị ngân hàng chịu áp lực tạo ra lợi nhuận trong ngắn hạn sẽ có động cơ tham gia vào các hoạt động, dự án nhiều rủi ro Từ đó xác suất các khoản tín dụng của ngân hàng có nguy cơ phát sinh nợ xấu cũng gia tăng tương ứng Kết quả nghiên cứu của Messai và Jouini (2013), Havidz và Obeng-Amponsah (2019) Tuy nhiên, kết quả nghiên cứu của hai tác giả Jabir và Tole (2019) lại cho rằng những ngân hàng có lợi nhuận cao nhất thường có RRTD cao nhất

Khả năng thanh khoản (LDR)

Các tác giả Ejoh và cộng sự (2014) khẳng định rằng trong lĩnh vực ngân hàng, việc cấp tín dụng nhằm thu hút lợi nhuận cho ngân hàng Do đó, cho vay của ngân hàng, mặc dù rủi ro, nhưng rất sinh lời Do đó, để giảm thiểu các rủi ro tiềm ẩn, các chiến lược quản lý thanh khoản và RRTD hiệu quả là cần thiết, từ đó thúc đẩy lợi nhuận Acharya và Viswanathan (2011) nhấn mạnh rằng các công ty tài chính huy động nợ ngắn hạn để tài trợ cho việc mua tài sản, gây ra sự chuyển dịch rủi ro khi điều kiện kinh tế xấu đi, ảnh hưởng đến khả năng trả nợ và gia tăng RRTD tại các ngân hàng Trong thời kỳ suy thoái thị trường, ngân hàng gặp khó khăn trong việc tái cơ cấu nợ, gây ra khó khăn về thanh khoản Rủi ro thanh khoản, đo lường bằng tỷ lệ dư nợ cho vay so với tổng tiền gửi (LDR), tăng lên khi khối lượng cho vay vượt quá số tiền gửi, thúc đẩy việc tăng lãi suất gửi tiền để đảm bảo thanh khoản, từ đó tăng lãi suất cho vay và RRTD Ghenimi và cộng sự (2017) không tìm thấy mối liên kết kinh tế trực tiếp giữa thanh khoản và RRTD Ngược lại, Diamond và Rajan (2005) luận điểm cho một quan hệ tác động cùng chiều giữa rủi ro thanh khoản và RRTD Mô hình của họ cho rằng khi ngân hàng tài trợ quá nhiều dự án bằng các khoản vay không đủ cung cấp, hoặc thậm chí là vỡ nợ, và không thể đáp ứng yêu cầu của người gửi tiền, người gửi tiền có thể rút tiền trong khi giá trị tài sản giảm, làm giảm cả thanh khoản và RRTD Ejoh và cộng sự (2014) tìm thấy các kết quả tương tự tại Iran và Nigeria, trong khi Jabir và Tole (2019) nghiên cứu các yếu tố quyết định đến RRTD trong các NHTM Ethiopia trong suốt 14 năm, gợi ý rằng việc tăng các khoản cho vay từ tiền gửi có khả năng giảm thanh khoản, từ đó tăng mức nợ xấu

Tỷ lệ dự phòng RRTD (LLP)

Các khoản dự phòng rủi ro đóng vai trò quan trọng trong việc kiểm soát rủi ro trong các khoản nợ có khả năng mất mát và đồng thời cung cấp một biện pháp bảo hiểm cao đối với các khoản nợ không thể thu hồi của ngân hàng Khi ngân hàng nhận thấy nguy cơ rủi ro và mất vốn có thể cao, họ sẽ xây dựng các khoản dự phòng lớn hơn để giảm thiểu sự biến động trong thu nhập (Hasan và Wall, 2004)

Tan và Floros (2013) đánh giá mức độ rủi ro của từng ngân hàng bằng cách sử dụng tỷ lệ giữa dự phòng rủi ro cho vay và tổng số khoản cho vay Mức tỷ lệ cao hơn thường cho thấy rủi ro của ngân hàng cao hơn Tương tự, Bitar và cộng sự (2016) đề xuất tăng tỷ lệ dự phòng RRTD như một biện pháp phòng ngừa rủi ro, phản ánh khuyến nghị của Basel rằng các ngân hàng cần điều chỉnh vốn theo mức độ rủi ro tương ứng được chấp nhận Nguyễn Văn Thuận và Dương Hồng Ngọc

(2015) chỉ ra rằng tỷ lệ nợ xấu có ảnh hưởng đồng biến đến dự phòng RRTD Do đó, dự phòng RRTD cao hơn thường chỉ ra rằng mức nợ xấu càng cao

Trong khi đó, nghiên cứu của Salas và Saurina (2002) tại các Ngân hàng Thương mại và Quỹ tiết kiệm Tây Ban Nha từ năm 1985 đến 1987 đã phát hiện rằng việc dự phòng RRTD có tác động tích cực đối với tỷ lệ nợ xấu Kết quả này tương tự cũng được tìm thấy ở nghiên cứu của Hasan và Wall (2004)

2.2.2 Các nhân tố vĩ mô

Tốc độ tăng trưởng kinh tế (GDP)

Một trong những biến số kinh tế tổng thể có ảnh hưởng đến rủi ro tín dụng và khiến nợ xấu phát sinh trong hệ thống ngân hàng là tăng trưởng GDP GDP cho phép chúng ta nhìn nhận ảnh hưởng của các điều kiện kinh tế lên tỷ lệ nợ xấu Rajhi và Hsairi (2013) đồng thời là nhân tố gián tiếp tác động đến sự ổn định của ngân hàng (Abedifar và cộng sự, 2016) Lý thuyết mô hình chu kỳ kinh tế và tiêu dùng của Modigliani và Miller (1967) cho rằng trong một nền kinh tế phát triển, các doanh nghiệp sẽ dễ dàng trả nợ vay từ các ngân hàng thương mại nhờ vào các cơ hội đầu tư và triển vọng kinh doanh Bên cạnh đó, khách hàng có cơ hội mở rộng quỹ tiền và tiết kiệm Tuy nhiên, nghiên cứu của Schechtman và Gaglianone (2012) đã chỉ ra một mối tương quan thuận, cho thấy rằng tăng trưởng kinh tế tiếp tục có thể khiến các ngân hàng trở nên phụ thuộc nhiều hơn vào việc cho vay dễ dàng hơn và tăng nguy cơ RRTD

Chỉ số giá bất động sản (RPI)

Chỉ số giá bất động sản (RPI) là một phép đo tương đối thể hiện biến động giá của bất động sản (BĐS) trung bình trong các dự án căn hộ và đất nền dự án Do đó, chỉ số này phản ánh mức giá trung bình của các dự án có sẵn trên thị trường, phân loại theo từng nhóm, phân khúc và khu vực cụ thể, cũng như theo từng đợt thời gian Dữ liệu đầu vào cho chỉ số giá này bao gồm thông tin về giá bán của hầu hết các căn hộ và dự án (chiếm đến 90% tổng số dự án thực tế có trên thị trường)

Do đó, chỉ số này sẽ được đại diện cho tổng thể thị trường bởi số lượng quan sát lớn và đảm bảo tính nhất quán cao (Nguyễn Trúc Phương, 2013)

Có nhiều nguyên nhân để chỉ số giá bất động sản được xem là một yếu tố kinh tế vĩ mô tác động đến RRTD Đầu tiên, theo số liệu của NHNN, các khoản vay bất động sản đã tăng lên nhanh chóng trong nhiều năm qua tương đương các khoản cho vay bất động sản trong tổng dư nợ Ngân hàng cũng tăng theo Thứ hai, theo Phạm Toàn Thiện (2009), khi thị trường bất động sản bùng nổ, những người cho vay cảm thấy an toàn vì rủi ro vỡ nợ đang giảm theo thời gian do giá nhà vẫn tiếp tục tăng và giá trị tài sản của những người sở hữu nhà cũng tăng theo tương ứng Nếu người đi vay có khó khăn về kinh tế họ vẫn có thể trả nợ, trả tiền thế chấp thông qua việc bán tài sản Tuy nhiên, rủi ro vỡ nợ thế chấp sẽ tăng lên nếu thị trường bất động sản chững lại và giá nhà suy giảm Thứ ba, sự ổn định của Ngân hàng sẽ sụp đổ cùng với thị trường nhà ở Bằng chứng của việc này được thể hiện thông qua cuộc khủng hoảng thế chấp dưới chuẩn ở Mỹ (Phạm Toàn Thiện, 2009) Chính vì vậy, cần xem xét sự tác động của thị trường BĐS đối với RRTD của các NHTM Việt Nam

Tỷ lệ lạm phát là tốc độ tăng mức giá hàng hóa và dịch vụ trong một quốc gia, và thường được coi là một chỉ số của mức độ ảnh hưởng của lạm phát đối với nền kinh tế Lạm phát tăng cao có tầm ảnh hưởng lớn đối với hoạt động kinh doanh của các NHTM Điều này có thể giải thích như sau: khi tỷ lệ lạm phát tăng cao và được kết hợp với lãi suất cho vay tương ứng, giá cả sẽ tăng nhanh chóng, làm giảm nhu cầu tiêu dùng của người tiêu dùng và làm giảm lượng hàng hóa được tiêu thụ, dẫn đến sự gián đoạn hoặc trì hoãn trong hoạt động kinh doanh và sản xuất, thậm chí là gây thiệt hại kinh doanh, từ đó tác động đến khả năng thanh toán nợ của các doanh nghiệp và gia tăng nguy cơ nợ xấu Filip (2015) Kết quả nghiên cứu của Rinaldi và Sanchis-Arellano (2006) tại khu vực Bắc Cộng Hòa Síp, Abid và cộng sự (2014) tại 16 ngân hàng Tunisa cũng cho ra kết quả chứng minh lạm phát và nợ xấu có mối tương quan cùng chiều

Tuy nhiên, Morina (2020) lại cho rằng lạm phát có tác động ngược chiều đối với RRTD thông qua những bằng chứng thực nghiệm Trong khi đó, theo kết quả nghiên cứu của Castro (2012) lại không phát hiện bất kỳ mối quan hệ nào giữa lạm phát và RRTD.

Tổng quan các nghiên cứu liên quan

Nguyễn Trúc Phương (2013) đã sử dụng dữ liệu trong giai đoạn 2004 – 2013 nghiên cứu tác động của các yếu tố vĩ mô đến rủi ro tín dụng tại hệ thống các NHTM Việt Nam Nghiên cứu thiết lập mô hình VAR để mô tả mối quan hệ giữa các biến và kết quả nghiên cứu cho thấy, tỷ lệ thất nghiệp (UEP), chỉ số giá tiêu dùng (CPI) và lãi suất danh nghĩa (NR) có tác động cùng chiều đến rủi ro tín dụng Trong khi đó, tác giả tìm thấy mối quan hệ ngược chiều giữa các biến tốc độ tăng trưởng kinh tế (GDP), chỉ số giá bất động sản (RPI) và tỷ giá hối đoái (ER) với rủi ro tín dụng Bên cạnh đó, nghiên cứu đã chứng minh rằng chỉ số bất động sản (RPI) có ảnh hưởng tồi tệ và lâu dài nhất đối với rủi ro tín dụng tại các NHTM Việt Nam

Nguyễn Thị Như Quỳnh và cộng sự (2018) đã tiến hành nghiên cứu các yếu tố tác động đến tỷ lệ nợ xấu tại 25 NHTM Việt Nam từ năm 2006 đến năm 2016 bằng mô hình FEM Kết quả nghiên cứu chứng minh tỷ lệ nợ xấu năm trước và tỷ lệ lạm phát có tác động cùng chiều đến biến nợ xấu Tuy nhiên, tốc độ tăng trưởng tín dụng, GDP và tỷ lệ thất nghiệp có sự ảnh hưởng tiêu cực đối với nợ xấu và nhóm tác giả cũng không tìm thấy mối quan hệ giữa khả năng sinh lời của ngân hàng và yếu tố quy mô

Nguyễn Thị Hồng Vinh và Nguyễn Minh Sáng (2019) đã tiến hàng phân tích bộ dữ liệu từ 204 NHTM tại các quốc gia khu vực Đông Nam á thông qua phương pháp ước lượng GMM hệ thống qua nhằm nghiên cứu tác động của các nhân tố vĩ mô và đặc thù lên nợ xấu giai đoạn 2010 2015 Kết quả nghiên cứu cho thấy các yếu tố tỷ suất sinh lợi, tỷ lệ cho vay/tiền gửi, tốc độ tăng trưởng tín dụng, tỷ suất sinh lợi, quy mô ngân hàng có tác động tiêu cực đến nợ xấu hiện tại và ngược lại vốn chủ sở hữu và nợ xấu trong quá khứ có tác động cùng chiều Biến thuế thu nhập và ngân sách tác động có ý nghĩa thống kê với nợ xấu Kết quả này nhấn mạnh rằng các nhà hoạch định chính sách cần xem xét kỹ lưỡng tác động của các chính sách vĩ mô đối với quá trình thiết kế các biện pháp tài khóa an toàn

Võ Minh Long và cộng sự (2020) đã tiến hành nghiên cứu bằng mô hình FEM tại 20 NTHM Việt Nam từ năm 2008 đến năm 2017 Kết quả nghiên cứu chỉ ra rằng tỷ lệ nợ xấu (NPL) có mối quan hệ cùng chiều với cấu trúc vốn, lãi suất, ROA và nợ xấu năm trước trong khi tăng trưởng tín dụng và tỷ lệ lạm phát tác động ngược chiều Tuy nhiên, nhóm tác giả không tìm thấy mối liên hệ giữa quy mô ngân hàng và tốc độ tăng trưởng kinh tế đối với nợ xấu của các NHTM Đặng Văn Dân (2021) tiến hành nghiên cứu ảnh hưởng của các nhân tố đặc thù ngân hàng và các yếu tố kinh tế vĩ mô đối với RRTD của các ngân hàng Việt Nam Bằng các phương pháp/mô hình (OLS, GMM, FEM, REM) kết hợp cùng dữ liệu giai đoạn hậu WTO (2007 – 2019), bài nghiên cứu cho thấy các biến vốn chủ sở hữu, tính thanh khoản, quy mô tiền gửi, lạm phát có tác động ngược chiều với RRTD Bên cạnh đó, các ngân hàng do nhà nước sở hữu, có tỷ trọng thu nhập ngoài lãi cao hơn hay lãi suất chính sách cao hơn có xu hướng tăng rủi ro về tín dụng

Lê Thanh Tâm và cộng sự (2021) xác định các nhân tố tác động đến RRTD tại 35 TMCP từ năm 2012-2020 thông qua hai mô hình hồi quy REM và FEM Kết quả nghiên cứu cho thấy mức độ tăng trưởng thị trường bất động sản, lãi suất danh nghĩa, lãi suất thực và biến động tỷ giá có tác động cùng chiều với rủi ro ngoại trừ ROA có ảnh hưởng ngược lại Ngoài ra, nghiên cứu không chỉ rõ quan hệ giữa RRTD đối với tốc độ tăng trưởng tín dụng, quy mô tài sản, tỷ lệ dư nợ/vốn huy động, tỷ lệ đòn bẩy tài chính, giá trị vốn hóa thị trường của ngân hàng Bên cạnh đó, các biến tỷ lệ lạm phát và tăng trưởng kinh tế không ảnh hưởng đến RRTD của các NHTM tại Việt Nam

Lê Duy Khánh (2023) thực hiện một nghiên cứu phân tích các yếu tố ảnh hưởng đến RRTD, được đại diện bởi tỷ lệ nợ xấu thông qua phương pháp ước lượng

Moment tổng quát hệ thống 02 bước cho dữ liệu bảng động cân bằng trong hệ thống

16 NHTM ở Việt Nam giai đoạn 2009-2019 Kết quả của nghiên cứu cho thấy rằng, trong số các yếu tố nội tại, quy mô của ngân hàng và thu nhập ngoài lãi có tác động nghịch, trong khi tỷ lệ nợ xấu năm trước và tỷ lệ trích lập dự phòng rủi ro đều có mối tương quan cùng chiều đến tỷ lệ nợ xấu của năm hiện tại Bên cạnh đó, tăng trưởng kinh tế là một yếu tố vĩ mô có tác động ngược chiều đến rủi ro tín dụng Ngoài ra, mối quan hệ giữa hiệu quả hoạt động, đòn bẩy nợ và tỷ lệ lạm phát với tỷ lệ nợ xấu của các NHTM vẫn chưa rõ ràng

Wong và Choi (2006) đã sử dụng mô phỏng Monte Carlo và phương pháp VAR trong một nghiên cứu nhằm đo lường mức độ tác động của các yếu tố kinh tế vĩ mô bao gồm tốc độ tăng trưởng GDP, tỷ lệ thất nghiệp, lãi suất và chỉ số giá nhà Hồng Kông đối với RRTD của các Ngân hàng Hồng Kông Kết quả nghiên cứu cho thấy lãi suất và chỉ số giá nhà Hồng Kông có tác động mạnh mẽ đến RRTD

Rongjie và Yang (2011) đã mô tả mối liên hệ giữa RRTD và các yếu tố kinh tế vĩ mô bao gồm tỷ lệ thất nghiệp, tốc độ tăng trưởng GDP, chỉ số giá tiêu dùng, chỉ số giá bất động sản, lãi suất danh nghĩa và tỷ giá hối đoái trong một nghiên cứu của mình và sau đó xây dựng ba kịch bản để thực hiện kiểm tra sự ảnh hưởng của các nhân tố vĩ mô bằng cách mô phỏng Monte Carlo Kết quả nghiên cứu cho thấy rằng chỉ số giá tiêu dùng và chỉ số giá bất động sản có tác động lâu dài và tồi tệ nhất đối với RRTD tại hệ thống Ngân hàng Trung Quốc

Castro (2013) đã thực hiện một nghiên cứu tìm hiểu mối quan hệ giữa các biến kinh tế vĩ mô và RRTD của hệ thống các ngân hàng thuộc 5 quốc gia Châu Âu ( Ireland, Hy Lạp, Tây Ban Nha, Bồ Đào Nha và Ý) giai đoạn 1997-2011 Kết quả nghiên cứu cho thấy các biến tăng trưởng kinh tế GDP, chỉ số giá nhà đất và cổ phiếu có tác động ngược chiều đến RRTD Ngược lại, đối với các biến tăng trưởng cho vay, lãi suất, tỷ lệ thất nghiệp và tỷ giá hối đoái lại có mối quan hệ ngược chiều với RRTD

Messai và Jouini (2013) đã sử dụng mô hình dữ liệu bảng, FEM, REM để xác định các biến số kinh tế vĩ mô ( tốc độ tăng trưởng kinh tế GDP, lãi suất cho vay thực tế và tỷ lệ thất nghiệp) và các biến vi mô ( bao gồm tỷ suất sinh lời trên tổng tài sản (ROA), tỷ lệ dự phòng RRTD và sự thay đổi các khoản vay) tại 85 ngân hàng ở ba nước (Ý, Tây Ban Nha, Hy Lạp) từ năm 2004 đến 2008 Kết quả nghiên cứu cho thấy tỷ lệ dự phòng RRTD, lãi suất cho vay, tỷ lệ thất nghiệp tác động cùng chiều với tỷ lệ nợ xấu Bên cạnh đó cho thấy tác động ngược chiều của tỷ lệ lợi nhuận trên tổng tài sản (ROA) đối với nợ xấu tại 3 quốc gia trên

Tehulu và Olana (2014) thông qua phương pháp REM nhằm xác định các yếu tố phi hệ thống của 10 ngân hàng ở Ethiopia từ năm 2007-2011 tác động đến RRTD Kết quả nghiên cứu chỉ ra rằng quy mô ngân hàng và tăng trưởng tín dụng là hai yếu tố có ảnh hưởng ngược chiều Bên cạnh đó, ngân hàng có sở hữu nhà nước và chi phí hoạt động càng cao tương ứng tỷ lệ nợ xấu cũng cao Ngoài ra, nhóm nghiên cứu nhận thấy lợi nhuận, thanh khoản và vốn ngân hàng không có ý nghĩa về mặt thống kê

Naveed (2016) đã sử dụng phương pháp phân tích dữ liệu bảng nhằm nghiên cứu các yếu tố vi mô và vĩ mô tác động đến RRTD tại các NHTM ở Pakistan trong giai đoạn 2007-2013 Kết quả cho thấy tỷ lệ đủ vốn và dự phòng rủi ro vay có mối quan hệ tích cực mạnh mẽ với RRTD ở ngân hàng thương mại Pakistan Hiệu quả hoạt động, tăng trưởng GDP, và tăng trưởng cho vay cũng có mối quan hệ ý nghĩa với tín dụng Lợi nhuận trên tài sản và quy mô lại ảnh hưởng tiêu cực đến RRTD Tăng trưởng lãi suất không có ảnh hưởng đến RRTD Các mô hình phân tích chi tiết cho thấy hiệu quả hoạt động, tỷ lệ tiền gửi cho vay, và quy mô không có mối liên hệ ý nghĩa với RRTD

Kharabsheh (2019) đã tiến hành một nghiên cứu bằng nhiều phương pháp khác nhau (Pooled OLS, FEM, REM) tại hệ thống NHTM Jordan giai đoạn 2000-

2017 nhằm kiểm tra các yếu tố tác động đến RRTD ngân hàng Nghiên cứu cho thấy tăng trưởng GDP, thanh khoản ngân hàng và tỷ lệ lạm phát không có ý nghĩa thống kê Ngoài ra, nếu tỷ lệ thất nghiệp, hiệu quả hoạt động, vốn ngân hàng và tăng trưởng tín dụng tăng khiến tỷ lệ nợ xấu cao và ngược lại đối với lợi nhuận của ngân hàng

Jabir và Tole (2019) đã xác định các nhân tố ảnh hưởng đến RRTD của hệ thống 8 ngân hàng thương mại cao cấp tại Ethiopia trong vòng 14 năm Họ áp dụng một mô hình bình phương tối thiểu có hiệu lực cố định để phân tích dữ liệu Kết quả nghiên cứu đã chỉ ra rằng các biến số vi mô và vĩ mô có ảnh hưởng đáng kể đến mức độ RRTD trong ngành ngân hàng thương mại của Ethiopia Cụ thể, các biến như, khả năng thanh khoản (LDR) khả năng sinh lời (ROA) và tỷ lệ nợ xấu năm trước đều có tác động tích cực đối với RRTD, trừ các biến như tăng trưởng kinh tế (GDP), tăng trưởng cho vay (LGR), và vốn chủ sở hữu (CAR) có tác động tiêu cực Nghiên cứu cũng chỉ ra rằng các biến vốn hóa (BAS) và tỷ lệ lạm phát (INF) không có ảnh hưởng đáng kể đến RRTD của các ngân hàng tại quốc gia này

PHƯƠNG PHÁP NGHIÊN CỨU

Quy trình nghiên cứu

Hình 3-1: Quy trình nghiên cứu

Nguồn: tác giả tự tổng hợp

Nhằm tìm ra mức độ ảnh hưởng và chiều hướng tác động của các nhân tố ảnh hưởng đến RRTD của hệ thống các NHTM Việt Nam, bài nghiên cứu được tiến hành dựa trên quy trình sau:

Bước 1: Lược khảo cơ sở lý thuyết và các nghiên cứu thực nghiệm trong nước và ngoài nước sau đó thảo luận các nghiên cứu này nhằm tìm ra khoảng trống nghiên cứu

Bước 2: Dựa vào cơ sở lý thuyết và các bằng chứng thực nghiệm, mô hình nghiên cứu được xây dựng, đưa ra phương trình hồi quy dự kiến, tiến hành giải thích các biến phụ thuộc, biến độc lập đồng thời xây dựng giả thuyết nghiên cứu dựa trên các biến độc lập đó

Lược khảo các lý thuyết và các nghiên cứu liên quan Đề xuất mô hình và giả thuyết nghiên cứu

Xử lý dữ liệu và xác định kết quả nghiên cứu

Thảo luận kết quả nghiên cứu Kết luận

Bước 3: Xác định đối tượng, phương pháp nghiên cứu và phạm vi nghiên cứu phù hợp đồng thời xác định mẫu nghiên cứu và nguồn cung cấp dữ liệu Tiếp theo, tác giả tiến hành thu thập và xử lý dữ liệu theo mô hình nghiên cứu đã đề ra ở bước 2 Sau đó, xác định những ước lượng và kỹ thuật phân tích cụ thể như: phân tích tương quan, thống kê mô tả và tiến hành hồi quy dữ liệu bảng theo mô hình Pooled OLS (hồi quy bình phương tối thiểu gộp), FEM ( mô hình tác động cố định), REM (mô hình tác động ngẫu nhiên) Đồng thời, tác giả sử dụng các định F-test, Hausman và Breusch and Pagan để thực hiện lựa chọn giữa các mô hình FEM và Pooled OLS, FEM và REM, REM và Pooled OLS qua đó chọn ra một kết quả hồi quy tối ưu và phù hợp nhất Nhằm kiểm tra các biến độc lập có ý nghĩa thống kê để giải thích cho biến phụ thuộc hay không, các kiểm định sự phù hợp của mô hình cũng được thực hiện với mức ý nghĩa lần lượt là 1%, 5% và 10% Sau khi lựa chọn mô hình phù hợp, tác giả tiến hành kiểm tra khuyết tật của mô hình đó bao gồm hiện tượng phương sai sai số thay đổi và tự tương quan Nếu mô hình không có khuyết tật, tác giả có thể kết hợp với kiểm định sự phù hợp của mô hình và đưa ra kết luận ở bước 4 Nếu một trong hai hiện tượng trên xảy ra, mô hình GLS (mô hình bình phương nhỏ nhất tổng quát) sẽ được sử dụng để khắc phục khuyết tật của mô hình và cho ra kết quả hồi quy cuối cùng

Bước 4: Tác giả sẽ thảo luận và đưa ra nhận xét về sự ảnh hưởng của các nhân tố vi mô và vĩ mô đến rủi ro tín dụng tại các NHTM Việt Nam thông qua kết quả mô hình nghiên cứu kết hợp cơ sở lý thuyết và quan điểm của các nghiên cứu trước đây

Bước 5: Đưa ra kết luận và đề xuất các giải pháp có liên quan nhằm giải quyết mục tiêu nghiên cứu cũng như trả lời các câu hỏi nghiên cứu đã đặt ra.

Mô hình nghiên cứu

Các nhà nghiên cứu trước đây khi đánh giá RRTD tại các NHTM có thể bằng nhiều chỉ tiêu khác nhau và một trong số đó là thông qua tỷ lệ nợ xấu (NPL)

Kế thừa các nghiên cứu trước như của Louzis và cộng sự (2012), Chaibi và Ftiti

(2015), Kharabsheh (2019), Havidz và Obeng-Amponsah (2019), Đặng Văn Dân (2021), Lê Thanh Tâm và cộng sự (2021), Lê Duy Khánh (2023) tác giả sử dụng biến phụ thuộc là tỷ lệ nợ xấu (NPL) đại diện cho RRTD của NHTM Biến độc lập bao gồm các yếu tố vi mô: quy mô ngân hàng (SIZE), tỷ suất sinh lời trên tổng tài sản (ROA), Tỷ lệ dự phòng RRTD (LLP), Khả năng thanh khoản (LDR) và các yếu tố vĩ mô: tăng trưởng kinh tế (GDP), tỷ lệ lạm phát (INF), chỉ số giá bất động sản (RPI) đều có tác động đến RRTD tại các NHTM

NPL i,t = β0 + β 1 SIZE i,t + β 2 ROA i,t + β 3 LDR i,t + β 4 LLP i,t + β 5 GDP i,t + β 6 INF i,t + β 7 RPI i,t + 𝜺 it

Trong đó: Β0: hệ số chặn, thể hiện ảnh hưởng của các yếu tố không nằm trong mô hình tới biến phụ thuộc βi: Hệ số hồi quy từng biến độc lập

𝜺it: phần dư của mô hình (được giả định có phân phối chuẩn và phương sai không đổi, giá trị trung bình bằng không) i: ngân hàng xét đến t: tới gian xét đến

NPLit: Tỷ lệ nợ xấu của ngân hàng thứ i trong năm t

SIZEit: Quy mô của ngân hàng thứ i trong năm t

ROAit: Tỷ suất sinh lợi trên tổng tài sản ngân hàng thứ i trong năm t

LDRit: Tỷ lệ dư nợ cho vay trên tổng vốn huy động của ngân hàng thứ i trong năm t

LLPit: Tỷ lệ dự phòng rủi ro tín dụng trên tổng dư nợ cho vay của ngân hàng thứ i trong năm t

GDPit: Tỷ lệ tăng trưởng GDP của Việt Nam trong năm t

INFit: Tỷ lệ lạm phát của Việt Nam trong năm t

RPIit: Chỉ số giá bất động sản của Việt Nam trong năm t

Giả thuyết nghiên cứu

Các nhà nghiên cứu trước đây đã sử nhiều chỉ tiêu khác nhau để đo lường rủi ro tín dụng tại các NHTM Việt Nam và một trong số đó là tỷ lệ nợ xấu, là tỷ lệ giữa nợ xấu và tổng dư nợ cho vay.RPI Các nghiên cứu có sử dụng biến phụ thuộc này trong mô hình có thể kể đến như Castro (2013),Chaibi và Ftiti (2015), Jabir và Tole (2019), Kharabsheh (2019), Havidz và Obeng-Amponsah (2019), Đặng Văn Dân (2021), Lê Duy Khánh (2023), Lê Thanh Tâm và cộng sự (2021)

Nợ xấu có khả năng tác động đến hiệu quả hoạt động cũng như khả năng sinh lời của ngân hàng và trở thành vấn đề nan giải đối với các nhà quản trị ngân hàng thương mại Nợ xấu là một trong những nhân tố ảnh hưởng đến RRTD tại các NHTM và có tác động trực tiếp đến hoạt động tài chính (Thiagarajan và cộng sự, 2011) Trong khi đó, trong một nghiên cứu của Somoye (2010) đã chứng minh tính thanh khoản của ngân hàng sẽ giảm dưới sự tác động của nợ xấu Tác giả giải thích rằng khi ngân hàng đối mặt với nguy cơ vỡ nợ, nếu tín dụng tăng sẽ kìm hãm sự phát triển trong hoạt động ngân hàng và gián tiếp gây ảnh hưởng đến toàn bộ nền kinh tế Có thể thấy tác động của nợ xấu không chỉ dừng lại ở nội tại ngân hàng mà toàn bộ nền kinh tế Vì vậy, khóa luận sẽ có cách nhìn đầy đủ và khách quan hơn đồng thời xác định chính xác các yếu tố tác động đến RRTD tại hệ thống các NHTM nếu việc đánh giá và phân tích mô hình thông qua biến phụ thuộc là tỷ lệ nợ xấu Tỷ lệ nợ xấu được tính dựa trên công thức:

Tỷ lệ nợ xấu (NPL) % = (Nợ xấu (nhóm 3+nhóm 4+nhóm 5))/(Tổng dư nợ cho vay)×100%

Nhóm biến kinh tế vĩ mô

Theo thuật ngữ kinh tế học, Gross Domestic Product (GDP) hoặc tổng sản phẩm quốc nội được xác định là giá trị thị trường của tất cả các hàng hóa và dịch vụ cuối cùng sản xuất trong một khu vực địa lý nhất định (thường là một quốc gia) trong một khoảng thời gian nhất định (thường là một năm) Chỉ số GDP có khả năng thể hiện sự biến động của sản phẩm và dịch vụ theo thời gian đồng thời là đơn vị đo lường tốc độ tăng trưởng kinh tế tại một đất nước Chỉ số GDP được biểu thị thông qua công thức dưới đây:

Tốc độ tăng trưởng kinh tế (GDP) = (GDP t – GDP t-1 )/GDP t-1

Trong bối cảnh nền kinh tế phát triển, hoạt động sản xuất, kinh doanh của doanh nghiệp hiệu quả hơn và thị trường tiêu thụ sản phẩm và dịch vụ ngày càng được mở rộng, các doanh nghiệp có khả năng gia tăng hoạt động đầu tư và tái sản xuất Chính vì vậy, lợi nhuận các doanh nghiệp này sẽ gia tăng và góp phần tăng khả năng thanh toán những khoản vay ngân hàng đúng hạn Ngược lại, khi nền kinh tế gặp suy thoái, các doanh nghiệp hoạt động không hiệu quả, hàng hóa bị tồn đọng dẫn đến không có khả năng chi trả các khoản nợ ngân hàng Từ đây, nợ xấu phát sinh và rủi ro tín dụng cũng tăng lên Đã có nhiều tác giả tin vào giả thuyết này và đưa vào bài nghiên cứu của mình Cụ thể Louzi (2012), Messai và Jouini (2013), Chaibi và Ftiti (2015), Nguyễn Thị Như Quỳnh và cộng sự (2018), Kharabsheh (2019), Havidz và Obeng-Amponsah (2019), Đặng Văn Dân (2021), Lê Thanh Tâm và cộng sự (2021), Khan và cộng sự (2022) đã tìm thấy mối tương quan ngược chiều giữa tỷ lệ nợ xấu và tốc độ tăng trưởng kinh tế GDP Chính vì vậy, ở khóa luận này, tốc độ tăng trưởng kinh tế (GDP) được kỳ vọng có tác động ngược chiều đến rủi ro tín dụng

Giả thuyết H1 : Tốc độ tăng trưởng kinh tế GDP có tác động ngược chiều với rủi ro tín dụng tại các NHTM Việt Nam

Trong bối cảnh nền kinh tế có tỷ lệ lạm phát cao, thu nhập của người dân bị thay đổi có khả năng tác động đến nhu cầu tiêu thụ hàng hóa của họ Do đó, hoạt động kinh doanh của các doanh nghiệp không hiệu quả, lợi nhuận thu về thấp dẫn đến mất khả năng thanh toán các khoản nợ ngân hàng và tiến tới nguy cơ vỡ nợ khiến rủi ro tín dụng tại các NHTM gia tăng Vì vậy, có thể kết luận rằng lạm phát sẽ có tác động đáng kể đối với khả năng chi trả lãi vay cũng như các khoản nợ của các doanh nghiệp (có thể là tác động cùng chiều hoặc ngược chiều) dẫn đến nguy cơ phát sinh nợ xấu tại các NHTM Tỷ lệ lạm phát có thể đo lường thông qua chỉ số giá tiêu dùng (ký hiệu là CPI) và được biểu thị qua công thức sau:

Tỷ lệ lạm phát = (CPI t – CPI t-1 )/ CPI t-1

Kết quả thực nghiệm trong một nghiên cứu của Zibri và Boujelbene (2011),

Võ Minh Long, Nguyễn Thị Yến Phạm Đình Long (2020), Đặng Văn Dân (2021), Khan và cộng sự (2022) cho thấy giữa tỷ lệ lạm phát và rủi ro tín dụng có mối tương quan ngược chiều Trong khi đó, kết quả tìm thấy ở một vài nghiên cứu của Abid và cộng sự (2014), Nguyễn Thị Như Quỳnh và cộng sự (2018), Havidz và Obeng-Amponsah (2019) lại chứng minh rằng lạm phát có tác động cùng chiều với rủi ro tín dụng Tuy nhiên, có nhiều nghiên cứu không tìm thấy tác động của tỷ lệ lạm phát đối với rủi ro tín dụng tại các NHTM Các nghiên cứu có thể kể đến như Havidz và Obeng-Amponsah (2019), Lê Thanh Tâm và cộng sự (2021) Căn cứ vào các bằng chứng thực nghiệm thu được, trong khóa luận này, tác giả kỳ vọng có mối quan hệ cùng chiều giữa hai biến tỷ lệ lạm phát và rủi ro tín dụng được đại diện bởi tỷ lệ nợ xấu

Giả thuyết H2: Tỷ lệ lạm phát có tác động cùng chiều đến rủi ro tín dụng tại các NHTM Việt Nam

Chỉ số giá bất động sản

Chỉ số giá BĐS là mối quan hệ giữa giá cả theo đơn vị sản phẩm của khoảng thời gian quan sát và thời gian gốc do đó nó phản ánh mức độ và xu hướng biến động của giá giao dịch BĐS ở những giai đoạn khác nhau Ngoài ra, chỉ số giá BĐS còn phản ánh sức ảnh hưởng của tỷ lệ lạm phát và cung cầu trên thị trường đến giá bất động sản Nếu chỉ số giá tăng chứng tỏ thị trường đang nóng lên, nhu cầu đi vay mua BĐS cũng tăng nhanh chóng và các ngân hàng có thể cung cấp các khoản vay với lãi suất cao hơn làm gia tăng lợi nhuận của họ và giảm thiểu rủi ro tín dụng Ngoài ra, giá trị tài sản đảm bảo tăng khiến khả năng trả các khoản lãi vay và trả nợ của khách hàng tăng lên Công thức tính chỉ số giá BĐS được biểu thị như sau:

Chỉ số giá của giá BĐS giai đoạn t = P t / P 0

Dựa trên giả thuyết trên, một số nhà nghiên cứu đã đưa chỉ số giá BĐS vào mô hình nghiên cứu của mình có thể kể đến như Wong và Choi (2006), Rongjie và Yang (2011), Castro (2013) Kết quả thu được từ các nghiên cứu này đều cho thấy tác động ngược chiều giữa chỉ số giá BĐS và rủi ro tín dụng tại các NHTM Trong nghiên cứu này, tác giả cũng có sự kỳ vọng chỉ số giá BĐS ảnh hưởng ngược chiều đến rủi ro tín dụng

Giả thuyết H3: Chỉ số giá BĐS có tác động ngược chiều đến rủi ro tín dụng tại các NHTM Việt Nam

Nhóm biến đặc thù ngân hàng

Dựa trên những nghiên cứu thực nghiệm trước đây như Nguyễn Thị Hồng Vinh và Nguyễn Minh Sáng (2019), Võ Minh Long, Nguyễn Thị Yến, Phạm Đình Long (2020), Tehulu và Olana (2014), Khan và cộng sự (2022) bài nghiên cứu sử dụng biến tổng tài sản (SIZE) nhằm đại diện cho yếu tố quy mô ngân hàng và được tính bằng công thức sau:

SIZE t = Log ( tổng tài sản thời điểm t)

Những nghiên cứu thực nghiệm trước đây đã cho ra những kết quả không đồng nhất khi thực hiện phân tích ảnh hưởng của quy mô ngân hàng đối với rủi ro tín dụng Cụ thể, theo Abid và cộng sự (2014) cho rằng quy mô ngân hàng càng lớn tỷ lệ thuận với khả năng chấp nhận rủi ro cao hơn và có nguy cơ phát sinh nợ xấu trong tương lai nhiều hơn Trong khi đó, nghiên cứu Thiagarajan và cộng sự (2011) đối với hệ thống ngân hàng Ấn Độ từ năm 2001 đến 2010 và nghiên cứu của Tehulu và Olana (2014) đối với các ngân hàng ở Ethiopian đều cho ra kết quả rằng có sự tác động ngược chiều giữa quy mô ngân hàng và rủi ro tín dụng Đối với các ngân hàng lớn, họ có hệ thống quản lý tốt hơn và có khả năng nắm giữ các danh mục cho vay ít rủi ro hơn từ đó hạn chế khả năng phát sinh nợ xấu Kết quả nghiên cứu tương tự cũng được tìm thấy ở những nghiên cứu trong nước trước đây để như Nguyễn Thị Bích Phượng và Nguyễn Văn Thép (2015), Nguyễn Thị Hồng Vinh và Nguyễn Minh Sáng (2019) Các ngân hàng lớn có thể kiểm soát rủi ro tín dụng tốt hơn các ngân hàng nhỏ nhờ vào khả năng đa dạng hóa để giảm thiểu rủi ro tín dụng (Raiter, 2021) Chính vì vậy, kỳ vọng mối quan hệ giữa quy mô ngân hàng và rủi ro tín dụng trong nghiên cứu này là tương quan nghịch

Giả thuyết H4: Quy mô ngân hàng có tác động ngược chiều đến rủi ro tín dụng tại các NHTM Việt Nam

Các nhà nghiên cứu thường sử dụng ROE (tỷ lệ lợi nhuận trên vốn chủ sở hữu) hoặc ROA (Tỷ lệ lợi nhuận trên tổng tài sản) để phản ánh độ hiệu quả trong việc sử dụng vốn chủ sở hữu và tài sản nhằm tạo ra thu nhập Căn cứ vào kết quả các nghiên cứu thực nghiệm trước đây, bài nghiên cứu sẽ sử dụng biến ROA để xác định mối quan hệ giữa lợi nhuận ngân hàng và tỷ lệ nợ xấu Công thức tính tỷ suất sinh lời trên tổng tài sản như sau:

ROA = Lợi nhuận sau thuế/ Tổng tài sản bình quân

Các nghiên cứu thực nghiệm trước đây đã chỉ ra rằng có mối quan hệ ngược chiều giữa rủi ro tín dụng tại các ngân hàng và khả năng sinh lợi có thể kể đến như Messai và Jouini (2013), Havidz và Obeng-Amponsah (2019), Võ Minh Long, Nguyễn Thị Yến, Phạm Đình Long (2020), Lê Thanh Tâm và cộng sự (2021), Khan và cộng sự (2022) Khi ngân hàng hoạt động hiệu quả và đạt được khả năng sinh lời cao một phần bởi vì có hệ thống quản lý rủi ro tốt làm giảm khả năng phát sinh nợ xấu và rủi ro tín dụng Vì vậy, trong khóa luận này, tác giả kỳ vọng có tồn tại mối quan hệ ngược chiều giữa biến tỷ suất sinh lời trên tổng tài sản (ROA) và rủi ro tín dụng

Giả thuyết H5: Tỷ suất sinh lời trên tổng tài sản (ROA) có tác động ngược chiều với rủi ro tín dụng tại các NHTM Việt Nam

Tỷ lệ dự phòng RRTD

Theo một nghiên cứu của Messai và Jouini (2013) cho thấy việc trích lập dự phòng được xem là nguyên nhân khiến các ngân hàng trích lập dự phòng không đúng theo quy định của pháp luật vì nó có tác động trực tiếp đến lợi nhuận của ngân hàng Sức ép từ cổ đông, áp lực kinh doanh, mức độ uy tín của thương hiệu khiến các ngân hàng không muốn công khai những khoản nợ lẽ ra phải được trích lập dự phòng Những ngân hàng có khả năng dự đoán trước mức độ thiệt hại về vốn cao có thể giảm những biến động trong lợi nhuận bằng cách nâng mức trích lập dự phòng cao hơn Tỷ lệ dự phòng RRTD phản ánh năng lực quản trị rủi ro của các ngân hàng và được biểu thị qua công thức sau:

Tỷ lệ dự phòng RRTD = Dự phòng RRTD/ Tổng dư nợ cho vay

Một số nghiên cứu trước đây đã chỉ ra rằng có tồn tại mối tương quan cùng chiều giữa tỷ lệ dự phòng RRTD và rủi ro tín dụng có thể kể đến như Salas và Saurina (2002), Messai và Jouini (2013), Castro (2013), Nguyễn Thị Hồng Vinh (2015), Nguyễn Kim Quốc Trung (2019), Khan và cộng sự (2022) Tỷ lệ dự phòng RRTD được xem là đại diện cho nguy cơ tín dụng tiềm ẩn, khi tỷ lệ này tăng lên, đồng nghĩa rủi ro của các khoản vay là lớn, tỷ lệ nợ xấu sẽ có chiều hướng gia tăng và ngược lại Chính vì vậy, tác giả cũng kỳ vọng có sự tương quan cùng chiều giữa hai biến tỷ lệ dự phòng RRTD và RRTD trong bài nghiên cứu này

Giả thuyết H6: Tỷ lệ dự phòng RRTD có tác động cùng chiều với rủi ro tín dụng tại các NHTM Việt Nam

Vốn huy động là một trong những nguồn tài chính không thể thiếu trong các hoạt động ngân hàng và kinh tế Nó được thu thập từ nhiều nguồn khác nhau mà trong đó khách hàng và tổ chức đóng vai trò quan trọng Ngoài ra, vốn huy động còn là nguồn cung cấp nguồn lực cho các hoạt động cho vay và dịch vụ của ngân hàng, giúp tối đa hóa lợi nhuận Việc đo lường dư nợ cho vay so với vốn huy động được xem là một chỉ tiêu quan trọng để đánh giá hiệu quả sử dụng vốn huy động của ngân hàng trong hoạt động cho vay Dưới đây là minh họa công thức đo lường tỷ lệ dư nợ cho vay trên tổng vốn huy động:

LDR t = Tổng dư nợ cho vay tại thời điểm t/ Tổng vốn huy động tại thời điểm t

Dữ liệu nghiên cứu

Tính đến thời điểm ngày 31/12/2023 theo công bố từ Ngân hàng Nhà nước Việt Nam, có 31 ngân hàng TMCP đang hoạt động tại Việt Nam Tuy nhiên, với mục tiêu đo lường tất cả các biến ảnh hưởng đến RRTD trong 11 năm đồng thời thu thập đầy đủ thông tin và minh bạch từ báo cáo tài chính, trong khóa luận này, tác giả sử dụng bộ dữ liệu của 27 NHTM Việt Nam trong giai đoạn 2012-2022

Tác giả thực hiện nghiên cứu dựa trên nguồn dữ liệu thứ cấp từ các nguồn báo cáo thường niên và báo cáo tài chính đã qua kiểm toán của 27 NHTM Việt Nam trong vòng 11 năm từ 2012 đến 2022 Đối với nguồn dữ liệu về các biến kinh tế vĩ mô (bao gồm tỷ lệ lạm phát, tống độ tăng trưởng kinh tế) được tác giả thu thập qua World Open Data và chỉ số giá bất động sản được lấy từ Savills Việt Nam, được trình bày chi tiết ở phần phụ lục.

Phương pháp xử lý dữ liệu

3.5.1 Phương pháp xử lý dữ liệu bảng

Ba mô hình hồi quy Pooled OLS, FEM, REM được sử dụng trong nhiều nghiên cứu đã hình thành và phát triển bởi những nhà nghiên cứu trước đây Baltagi (2008) đã sử dụng các phương pháp này để tìm hiểu các khía cạnh của đề tài và cho ra những kết quả chính xác nhất

Mô hình bình phương bé nhất dữ liệu gộp (Pooled OLS)

Pooled OLS (mô hình hồi quy bình phương tối thiểu) là mô hình có cách tiếp cận đơn giản và dễ thực hiện nhất để ước lượng mô hình hồi quy với bất kỳ kích thước về thời gian và không gian của số liệu bảng Đồng nghĩa, giả định sự ảnh hưởng của các nhân tố đối với RRTD là giống nhau giữa các ngân hàng và không có sự thay đổi theo thời gian Tuy nhiên những giả định này rất hạn chế vì khó xảy ra ở thực tế do mỗi ngân hàng đều có những triết lý kinh doanh, phương châm hoạt động, cách thức quản lý khác nhau Chính vì vậy, tác động của những yếu tố thuộc về đặc thù ngân hàng này đối với RRTD tại các ngân hàng có sự khác biệt và biến đổi qua từng năm Như vậy, kết quả ước lượng thu được từ mô hình có thể không chính xác và không hiệu quả

Mô hình tác động cố định (Fixed Effects Model – FEM)

Khác với Pooled OLS, giả định được sử dụng trong mô hình FEM là mỗi ngân hàng đều có những đặc điểm khác nhau và chúng có tác động đến các biến độc lập trong mô hình Nói cách khác, có sự tương quan giữa thành phần sai số của mỗi thực thể (bao gồm đặc thù của mỗi ngân hàng) và các biến độc lập Những đặc thù của mỗi ngân hàng không biến đổi theo thời gian và không có tương quan với các đặc điểm của ngân hàng khác Mô hình FEM thực hiện chức năng kiểm soát, tách biệt các biến đặc thù ra khỏi các biến độc lập để mô hình có thể ước lượng tác động thực của các nhân tố đến RRTD Tuy nhiên, mô hình FEM lại có khả năng gây ra đa cộng tuyến và không thể đo lường được các nhân tố không đổi theo thời gian, gây khó khăn trong việc ước lượng chính xác

Mô hình tác động ngẫu nhiên (Random Effects Model – REM)

Giả định được sử dụng trong mô hình REM là những đặc thù của các ngân hàng là ngẫu nhiên đồng thời không thể giải thích được bởi các biến độc lập trong mô hình Mô hình này xem thành phần sai số của mỗi thực thể ngân hàng là một biến giải thích mới Thành phần sai số thường thể hiện các yếu tố không xác định hoặc không thể theo dõi một cách trực tiếp nhưng lại ảnh hưởng đến biến phụ thuộc và làm biến đổi kết quả của mô hình

Mô hình bình phương nhỏ nhất tổng quát (Generalized Least Squares – GLS)

Mô hình GLS được sử dụng để khắc phục hiện tượng phương sai sai số thay đổi và hiện tượng tự tương quan của mô hình sau khi trải qua các kiểm định khuyết tật mô hình Việc sử dụng mô hình GLS nhằm đảm bảo kết quả ước lượng cuối cùng thu được hiệu quả và bền vững Tuy nhiên, kết quả hồi quy cuối cùng sẽ được xác định theo ba mô hình nói trên là Pooled OLS, FEM, REM nếu không xảy ra khuyết tật và không cần sử dụng đến mô hình GLS

3.5.2 Các kiểm định trong mô hình

Kiểm định lựa chọn mô hình

Kiểm định F-test dùng để kiểm tra mô hình nào phù hợp hơn và đưa ra lựa chọn giữa mô hình Pooled OLS và FEM với giả thuyết H0: Mô hình Pooled OLS phù hợp hơn Nếu kết quả kiểm định F-test cho ra giá trị P-value ≤ α (α = 0.05) thì đưa ra kết luận bác bỏ H0, chấp nhận H1 và mô hình FEM được sử dụng và ngược lại khi α ≥ 0.05 thì sử dụng mô hình Pooled OLS

Kiểm định Hausman dùng để đưa ra lựa chọn mô hình phù hợp hơn giữa hai mô hình FEM và REM với giả thuyết H0: Mô hình REM phù hợp hơn Nếu kết quả kiểm định này cho ra giá trị P-value > α ( α = 0.05) thì đưa ra kết luận lựa chọn mô hình REM và ngược lại nếu P-value < α ( α = 0.05) thì mô hình FEM sẽ được lựa chọn

Kiểm định Breusch – Pangan: Đây là kiểm định dùng để so sánh sự phù hợp với nghiên cứu hơn giữa hai mô hình Pooled OLS và REM với giả thuyết H0: Mô hình Pooled OLS phù hợp hơn Khi kết quả kiểm định cho ra giá trị P-value ≤ α (α = 0.05) thì đưa ra kết luận chọn mô hình REM và ngược lại, khi giá trị P-value ≥ α (α = 0.05) thì mô hình được lựa chọn là Pooled OLS

Kiểm định hiện tượng đa cộng tuyến

Hiện tượng đa cộng tuyến (Multicollinearity) là hiện tượng khi hai hoặc nhiều biến độc lập trong một mô hình tuyến tính có mối tương quan mạnh với nhau Nói cách khác, một biến độc lập có khả năng dự đoán một biến độc lập khác và điều này có thể gây ra những vấn đề trong quá trình ước lượng và đánh giá mô hình Có nhiều phương pháp để nhận biết hiện tượng đa cộng tuyến và một trong số đó là căn cứ vào hệ số phóng đại phương sai VIF (Variance Inflation Factor) nhằm xác định sức mạnh của mối tương quan giữa các biến độc lập

Nếu VIF nằm trong khoảng 1-2 cho thấy không có mối tương quan giữa biến độc lập này với bất kỳ biến nào khác

Nếu VIF nằm trong khoảng 2-5 thể hiện mối tương quan vừa phải nhưng chưa cần phải tìm biện pháp khắc phục do chưa đủ nghiêm trọng

Nếu VIF lớn hơn 5 cho thấy mối tương quan cao, các giá trị P-value đáng nghi ngờ và hệ số được ước tính kém Nếu giá trị VIF lớn hơn 10 chắc chắn xảy ra hiện tượng đa cộng tuyến

Kiểm định hiện tượng tự tương quan

Tự tương quan xảy ra khi sai số của một biến ở một thời điểm phụ thuộc vào sai số của nó ở thời điểm trước đó hoặc trong quá khứ Hiện tượng này có thể ảnh hưởng đến kết quả của nghiên cứu bằng cách làm tăng giá trị t-value hoặc làm giảm P-value, làm cho hệ số hồi quy trở nên có ý nghĩa thống kê Điều này có thể dẫn đến việc kết luận rằng một yếu tố nào đó ảnh hưởng đến biến phụ thuộc, trong khi thực tế có thể là do tự tương quan Để kiểm tra tự tương quan, kiểm định Wooldridge được thực hiện với giả định H0: Không có tự tương quan trong mô hình Nếu giá trị P-value ≤ 0.05, mô hình sẽ bác bỏ giả định này, cho thấy sự tồn tại của tự tương quan trong mô hình

Kiểm định hiện tượng phương sai sai số thay đổi

Phương sai sai số thay đổi xuất hiện khi phương sai các sai số ước lượng không giống nhau Hiện tượng này thường xuất hiện khi dữ liệu được sử dụng là dữ liệu bảng (panel data) và khiến cho kết quả được đưa ra của các ước lượng bình phương nhỏ nhất không phải là ước lượng phương sai bé nhất Để khắc phục hiện tượng này, tác giả sử dụng kiểm định White cho mô hình Pooled OLS, Breusch and Pagan cho mô hình REM và Modified Wald cho mô hình FEM với giả thuyết H0:

Mô hình không có hiện tượng phương sai sai số thay đổi Kết quả kiểm định cho ra giá trị P-value ≤α (α = 0.05) thì kết luận bác bỏ giả thuyết H0 và mô hình có hiện tượng phương sai sai số thay đổi.

Trong chương 3, tác giả đã trình bày chi tiết quy trình nghiên cứu, dữ liệu nghiên cứu và xây dựng mô hình nghiên cứu đề xuất dựa vào cơ sở lý thuyết và tổng quan các nghiên cứu thực nghiệm có liên quan ở chương 2 Bên cạnh đó, tác giả cũng đề cập đến các phương pháp ước lượng mô hình và các kiểm định sự phù hợp, kiểm định khuyết tật của mô hình hồi quy Nghiên cứu này cũng xác định rõ mô hình hồi quy gồm một biến phụ thuộc là tỷ lệ nợ xấu (NPL) cùng bảy biến độc lập bao gồm tốc độ tăng trưởng kinh tế (GDP), tỷ lệ lạm phát (INF), chỉ số giá bất động sản (RPI), quy mô ngân hàng (SIZE), lợi nhuận ngân hàng (ROA), tỷ lệ dự phòng RRTD (LLP), khả năng thanh khoản ngân hàng (LDR) thông qua việc trình bày ý nghĩa, công thức tính và kỳ vọng về xu hướng tác động của các biến trên Từ đó, tác giả đề ra bảy giả thuyết nghiên cứu liên quan làm cơ sở cho việc thiết kế mô hình nghiên cứu và đưa ra kết luận trong chương sau Ở chương 4, tác giả sẽ trình bày chi tiết cách thức xử lý số liệu đã thu thập bằng phần mềm Stata 17 như thống kê mô tả, phân tích tương quan, hồi quy mô hình nghiên cứu và thực hiện các kiểm định liên quan Kết quả nghiên cứu sẽ được phân tích và thảo luận trong chương này.

PHÂN TÍCH KẾT QUẢ NGHIÊN CỨU

Tình hình rủi ro tín dụng của Việt Nam những năm gần đây

Theo báo cáo thường niên của Ngân hàng Nhà nước (NHNN) giai đoạn 2015

- 2020, dư nợ trong lĩnh vực cho vay đầu tư bất động sản và các tập đoàn nhà nước đã trở thành một mối quan tâm đáng kể trong hoạt động kinh doanh của các ngân hàng thương mại (NHTM) Việt Nam Để giảm thiểu rủi ro tín dụng, các NHTM đã tích cực triển khai các biện pháp như thiết lập hạn mức tín dụng phù hợp với mức độ rủi ro của từng khách hàng vay vốn và xây dựng quy trình kiểm soát chất lượng tín dụng một cách chặt chẽ

Hình 4-1: Tỷ lệ nợ xấu các NHTM Việt Nam

Nguồn: Báo cáo thường niên của NHNN qua các năm

Hình 4-1 minh họa rằng trong giai đoạn 2018 - 2019, mặc dù tỷ lệ nợ xấu nội bảng của các ngân hàng thương mại (NHTM) được công bố là khá thấp và an toàn so với mức khống chế 3%, nhưng khi cộng thêm nợ xấu bán cho VAMC và nợ tiềm ẩn có thể trở thành nợ xấu, con số này của hệ thống ngân hàng dao động từ 3,69% đến 4,43% trong giai đoạn 2018 - 2021 Năm 2018, tỷ lệ nợ xấu của các NHTM

Việt Nam có xu hướng giảm so với giai đoạn trước, đạt 3,69%, giảm mạnh so với mức 10,8% năm 2016 Tuy nhiên, đến năm 2019, tỷ lệ nợ xấu của hệ thống ngân hàng do Ngân hàng Nhà nước (NHNN) công bố là 4,43% Trong giai đoạn 2018 -

2019, nhờ những nỗ lực kiềm chế nợ xấu thông qua việc cơ cấu lại các khoản nợ và bán nợ cho VAMC, cải thiện chất lượng tín dụng từ quy trình đến đầu tư vào cơ sở vật chất của hệ thống NHTM Việt Nam, tỷ lệ nợ xấu đã giảm xuống, tuy nhiên vẫn duy trì ở mức trên 3%.

Thống kê mô tả các biến trong mô hình

Tác giả đã tổ chức thu thập một bộ dữ liệu từ 27 NHTM Việt Nam trong khoảng thời gian từ 2012 đến 2022 Dữ liệu này được lấy từ nhiều nguồn khác nhau bao gồm báo cáo tài chính, báo cáo thường niên của các ngân hàng, hệ thống Finpro, dữ liệu vĩ mô từ World Bank Open Data và thông tin từ Savills Việt Nam Tổng cộng, có 297 quan sát được thu thập, mỗi quan sát tương ứng với một năm và một ngân hàng cụ thể Dữ liệu này được sử dụng để thực hiện các nghiên cứu, phân tích định lượng và đáp ứng các mục tiêu nghiên cứu đã đề ra Để có cái nhìn tổng quan về các đặc điểm của dữ liệu mẫu trong nghiên cứu, khóa luận đã thực hiện phân tích thống kê mô tả của từng biến trong mô hình Phân tích này bao gồm việc xem xét giá trị trung bình, độ lệch chuẩn, cùng với giá trị nhỏ nhất và lớn nhất của mỗi biến Kết quả của phân tích mô tả các biến trong mẫu nghiên cứu được tổng kết và trình bày một cách tổng quan trong bảng 4.1 Bao gồm ROA, RPI, SIZE, INF, LLP, LDR và GDP lần lượt là các biến tỷ suất sinh lời trên tổng tài sản, chỉ số giá bất động sản, quy mô ngân hàng, tỷ lệ lạm phát, tỷ số dự phòng RRTD trên dư nợ cho vay, dư nợ cho vay trên tổng vốn huy động của ngân hàng và tốc độ tăng trưởng kinh tế và tỷ lệ nợ xấu (NPL) đại diện cho biến phụ thuộc

Bảng 4.0.1: Thống kê mô tả dữ liệu nghiên cứu giai đoạn 2012 – 2022

Biến Số quan sát Trung bình Độ lệch chuẩn Giá trị nhỏ nhất Giá trị lớn nhất

Nguồn: Kết quả từ phần mềm Stata

Bảng 4.1 cho thấy tỷ lệ nợ xấu (NPL) của toàn bộ 27 ngân hàng có trong mẫu nghiên cứu là 2.17% (tuân thủ quy định của NHNN là nhỏ hơn 3%) và độ lệch chuẩn là 1.5% Ngoài ra, kết quả thống kê mô tả cũng cho thấy giá trị dao động của NPL từ thấp nhất là 0.00133 (Ngân hàng Bưu điện Liên Việt năm 2021), đến 17,93% (Ngân hàng TMCP Quốc Dân năm 2022) là giá trị lớn nhất Thông qua giá trị NPL trung bình, có thể thấy các NHTM đang nỗ lực đảm bảo tỷ lệ nợ xấu dưới mức 3% bằng cách thay đổi trong chính sách cho vay, quy trình thẩm định, kiểm soát, theo dõi các khoản vay sau khi giải ngân

Biến tỷ suất lợi nhuận trên tổng tài sản (ROA) với độ lệch chuẩn là 0.72% và trung bình khoảng 0.89 Ngân hàng VBB có tỷ lệ lợi nhuận trên tổng tài sản thấp nhất và có giá trị âm (-0.0038%) cho thấy hoạt động kinh doanh của ngân hàng có sự thua lỗ vào năm 2015 Trong khi đó tỷ lệ này của ngân hàng TCB vào thời điểm năm 2021 là 3.65%, cao nhất trong bộ dữ liệu được thu thập Tác động của khủng hoảng tài chính toàn cầu (2008) và khủng hoảng nợ công Châu Âu (2012) đã đặt ra thách thức lớn cho các NHTM Tuy nhiên, từ năm 2016 trở đi, các NHTM đã thực hiện các biện pháp nâng cao chất lượng các khoản vay và gia tăng hiệu quả hoạt động dưới sự can thiệp của chính phủ Điều này đã dẫn đến sự phục hồi của doanh thu và lợi nhuận

Các NHTM đã và đang đi đúng xu hướng phát triển ngày nay thông qua việc mở rộng quy mô và phạm vi hoạt động bởi biến quy mô ngân hàng đạt giá trị trung bình là 8.18% Số liệu về quy mô thấp nhất là 7.17% tương đương với tổng tài sản là 14.684.738 triệu đồng thuộc về ngân hàng SGB trong năm 2013 và cao nhất đối với ngân hàng BIDV vào năm 2022 ở mức 9.3%, tương đương tổng tài sản là 2,120.609.384 triệu đồng với độ lệch chuẩn ở mức 0.51% không quá lớn, biên độ giao động dữ liệu khá ổn định

Biến chỉ số giá bất động sản (RPI) có giá trị giao động với giá trị nhỏ nhất là 94.4 vào năm 2015 và lớn nhất vào năm 2022 với giá trị đạt 127 Giá trị trung bình cỡ mẫu của biến này khoảng 105.64 với độ lệch chuẩn khoảng 9.39 thể hiện chỉ số này dao động khá lớn qua các năm Chính sách kinh tế của Việt Nam có thể phản ứng với sự tăng giá bất động sản bằng cách thay đổi các chính sách tài chính, thuế, và quản lý thị trường bất động sản

Biến tỷ lệ lạm phát (INF) với giá trị trung bình cỡ mẫu là 0.0374, giá trị giao động trong khoảng từ 0.63% vào năm 2015 đến 9.1% vào năm 2012 Nếu như năm

2021, lạm phát ở mức thấp nhất kể từ năm 2015 với chỉ 1.8% tưởng chừng là một làn gió ngược trong xu hướng lạm phát của nền kinh tế toàn cầu thì đến năm 2022 giá trị này đột ngột tăng lên 3.1% Điều này cho thấy hậu quả của suy thoái kinh tế thế giới nói chung và Việt Nam nói riêng Chính phủ cần nỗ lực hơn trong việc kiềm chế tầm ảnh hưởng của suy thoái và ổn định nền kinh tế vĩ mô

Biến Tỷ lệ dự phòng RRTD (LLP) có giá trị trung bình cỡ mẫu là 1.34% với độ lệch chuẩn là 0.46% Giá trị nhỏ nhất thuộc về ngân hàng NAB năm 2013 khi tỷ lệ này chỉ nằm ở mức 0.66% Trong khi đó, vào năm 2022, tỷ lệ dự phòng RRTD trên dư nợ cho vay của ngân hàng VPB ở mức cao nhất trong bộ dữ liệu được thu thập với 3.12% Có thể thấy, đa số ngân hàng trong bộ dữ liệu được thu thập có sức khỏe tài chính, khả năng cung cấp vốn và lợi nhuận của ngân hàng đều đang ở mức tốt

Biến tỷ trọng dư nợ cho vay khách hàng trên tổng vốn huy động (LDR) có giá trị trung bình cỡ mẫu đạt 58.07% và độ lệch chuẩn ở mức 1.11% Điều này cho thấy các NHTM hiện nay vẫn còn lệ thuộc nhiều vào hoạt động tín dụng Ngân hàng SSB có tỷ lệ này ở mức thấp nhất với 2.16% vào năm 2012 trong khi ngân hàng BID có giá trị lớn nhất với 7.88% trong năm 2020

Biến tốc độ tăng trưởng kinh tế (GDP) với giá trị trung bình cỡ mẫu là 5.8% và độ lệch chuẩn nhỏ, nhỏ hơn giá trị trung bình cho thấy biên độ dao động của các số liệu khá nhỏ qua từng năm với 1.6% Giá trị GDP giao động từ 2,58% vào năm

2021 đến 8.02% vào năm 2022 Đây là kết quả cho sự nỗ lực vượt khó trong điều kiện kinh tế suy thoái sau đại dịch Covid-19 Bằng chứng là Chỉ số tăng trưởng GDP của Việt Nam dần được cải thiện, ổn định và đạt ngưỡng 8.02%.

Phân tích tương quan trong mô hình nghiên cứu

Nhằm kiểm tra mối quan hệ tuyến tính giữa các biến độc lập có trong mô hình nghiên cứu, tác giả đã tiến hành phân tích sự tương quan Khi hệ số tương quan càng nhỏ (hệ số càng tiến xa 1) chứng tỏ sự tự tương quan càng yếu thì khả năng xuất hiện hiện tượng đa cộng tuyến sẽ càng thấp và ngược lại

Bảng 4.2: Ma trận tương quan

NPL ROA SIZE RPI INF LLPTL LDR GDP

(Ghi chú: *, **, ***lần lượt tương ứng với mức ý nghĩa 1%,5% và 10%)

Bảng 4.2 cho thấy hầu hết các biến số tương quan giữa các biến trong mô hình đều có ý nghĩa thống kê ở mức 1% và 5% Dựa vào bảng trên, ta có thể thấy hệ số tương quan cùng chiều lớn nhất là 0.4574 giữa hai biến chỉ số giá BĐS và tốc độ tăng trưởng kinh tế (RPI và GDP), hệ số tương quan ngược chiều nhỏ nhất thuộc về hai biến lạm phát và dư nợ cho vay khách hàng trên tổng tài sản (INF và LDR) với - 0.2797 Ngoài ra, giá trị tuyệt đối hệ số tương quan của các biến đều nhỏ hơn 0.8 cho thấy không xảy ra hiện tượng đa cộng tuyến và kết luận rằng các biến này phù hợp cho mô hình nghiên cứu

Ngoài ra, ma trận tương quan còn cho thấy các biến độc lập bao gồm ROA, SIZE, LDR có dấu âm hay nói cách khác có tác động ngược chiều đến biến NPL trong khi các biến INF, LLP có xu hướng tác động cùng chiều Cụ thể, các biến vĩ mô bao gồm INF, LLP tác động cùng chiều có giá trị lần lượt là 0.2936 và 0.3177 ở mức ý nghĩa 1% cho biết tỷ lệ lạm phát và Tỷ lệ dự phòng RRTD càng tăng sẽ dẫn đến RRTD và ngược lại Biến còn lại có mối quan hệ ngược chiều đến NPL là tỷ suất sinh lời trên tổng tài sản (ROA) có giá trị là 0.1942 với mức ý nghĩa 1% thể hiện rằng khi ROA tăng thì RRTD giảm và ngược lại Biến quy mô ngân hàng (SIZE) có giá trị -0.1608 với mức ý nghĩa 1% đồng nghĩa nếu quy mô ngân hàng càng cao thì khả năng phát sinh nợ xấu sẽ càng giảm và ngược lại Tỷ trọng dư nợ cho vay khách hàng trên tổng vốn huy động (LDR) tác động ngược chiều đến biến NPL với giá trị -0.1860 ở mức ý nghĩa 1% chứng tỏ nếu LDR của ngân hàng tăng sẽ gia tăng khả năng xảy ra RRTD.

Kiểm định đa cộng tuyến

Đa cộng tuyến là tình trạng mà các biến độc lập trong một mô hình có mối liên hệ tương quan mạnh với nhau Điều này có thể khiến cho việc ước lượng các tham số trong mô hình trở nên không chính xác do các biến ảnh hưởng lẫn nhau Cụ thể, phương pháp hồi quy tuyến tính Pooled OLS và các ước lượng của sai số chuẩn có thể trở nên nhạy cảm với biến động trong dữ liệu, dẫn đến việc không thể đưa ra các ước lượng đáng tin cậy Vì vậy, để xác định và ứng phó với hiện tượng đa cộng tuyến, các nhà nghiên cứu thường sử dụng kiểm định VIF trong quá trình phân tích mô hình của họ

Bảng 4.3: Kết quả kiểm định đa cộng tuyến

Nguồn: Trích kết quả từ phần mềm Stata

Dựa vào bảng 4.3, tất cả biến độc lập đều có giá trị VIF (Variance Inflation Factor) nhỏ hơn 2 và giá trị Mean VIF = 1.30 cũng nhỏ hơn 2 nên có thể đưa ra kết luận rằng hiện tượng đa cộng tuyến giữa các biến trong mô hình là không nghiêm trọng.

Phân tích kết quả hồi quy theo mô hình Pooled OLS, FEM, REM

Sau khi thực hiện phân tích sự tương quan và thống kê mô tả giữa các biến trong mô hình, đề tài tiếp tục thực hiện hồi quy theo các mô hình Pooled OLS (mô hình bình phương tối thiểu gộp), FEM (Fixed Effects Model - mô hình tác động cố định), REM (Random Effects Model - mô hình tác động ngẫu nhiên)

Bảng 4.4: Kết quả hồi quy theo Pooled OLS, FEM, REM

Biến Pooled OLS FEM REM

***, **, * có ý nghĩa thống kê lần lượt ở mức 1%, 5%, 10%

Nguồn: trích từ kết quả phần mềm Stata

Bảng 4.4 cho thấy kết quả hồi quy từ 3 mô hình Pooled OLS, FEM, REM Đối với mô hình Pooled OLS, các biến ROA (tỷ suất sinh lời trên tổng tài sản), SIZE (quy mô ngân hàng) có tác động ngược chiều đến biến phụ thuộc NPL (tỷ lệ nợ xấu) trong khi biến INF (tỷ lệ lạm phát), LLP (Tỷ lệ dự phòng RRTD) lại có tác động cùng chiều với NPL cùng mức ý nghĩa 1% Ngoài ra, biến kinh tế vĩ mô là GDP (tăng trưởng kinh tế) cũng có xu hướng tác động cùng chiều với mức nghĩa 5% Tuy nhiên, mô hình Pooled OLS lại không tìm thấy ý nghĩa thống kê đối với hai biến RPI (chỉ số giá BĐS) và LDR (Khả năng thanh khoản ) Với mô hình FEM, chỉ có biến LLL/TL tác động cùng chiều với biến phụ thuộc NPL mức ý nghĩa 1% Tiếp đến là biến GDP và INF cũng được phát hiện có mối quan hệ cùng chiều với NPL nhưng ở mức ý nghĩa lần lượt là 5% và 10% trong khi tất cả các biến còn lại đều không có ý nghĩa thống kê, không thể giải thích sự phụ thuộc của NPL Căn cứ vào kết quả hồi quy của mô hình REM, ở cùng mức nghĩa 1%, mô hình cho thấy biến INF và LLP có quan hệ cùng chiều với NPL Bên cạnh đó, tại mức ý nghĩa 5%, hai biến ROA và SIZE có tác động ngược chiều đến NPL trong khi biến GDP có tác thuộc của NPL vì không có ý nghĩa thống kê

Dựa vào bảng 4.4, kết quả hồi quy mô hình Pooled OLS với hệ số R-square

= 0.247 cho thấy các biến độc lập trong mô hình giải thích được 24.7% sự biến thiên của biến phụ thuộc NPL Tương tự, các mô hình FEM, REM với hệ số R- square lần lượt là 0.258 và 0.254 đồng nghĩa là các biến độc lập giải thích được 25.8% sự biến thiên của biến phụ thuộc NPL đối với mô hình FEM và 25.4% đối với mô hình REM

4.4.2 Kiểm định lựa chọn mô hình phù hợp

Sau khi đã có kết quả hồi quy từ các mô hình Pooled OLS, FEM và REM, tác giả tiến hành kiểm định chọn ra mô hình tối ưu nhất để thực hiện phân tích Chính vì vậy, trong khóa luận này, các kiểm định được thực hiện bao gồm: Kiểm định F-test, kiểm định Breusch and Pagan và kiểm định Hausman Đầu tiên, tác giả sử dụng kiểm định F-test để đưa ra lựa chọn giữa 2 mô hình Pooled OLS và FEM với giả thuyết như sau:

H0: Mô hình Pooled OLS phù hợp hơn

H1: Mô hình FEM phù hợp hơn

Kết quả thu được giá trị Prob > F = 0.0000 nhỏ hơn mức ý nghĩa 5% Do đó, tác giả bác bỏ H0 và lựa chọn mô hình hồi quy FEM

Tiếp theo, tác giả thực hiện kiểm định Breuschand and Pagan trong nhóm kiểm định Lagrange multiplier (LM) nhằm kiểm tra sự phù hợp giữa mô hình Pooled OLS và REM với giả thuyết như sau:

H0: Mô hình Pooled OLS phù hợp với mẫu nghiên cứu

H1: Mô hình Pooled OLS không phù hợp với mẫu nghiên cứu

Kết quả thu được từ kiểm định có giá trị Prob > chi2 = 0.0000 nhỏ hơn mức ý nghĩa 5%, do đó tác giả bác bỏ H0, chấp nhận H1 đồng nghĩa chấp nhận mô hình REM

Cuối cùng, tác giả sử dụng kiểm định Hausman để đưa ra lựa chọn giữa hai mô hình FEM và REM với giả thuyết:

H0: Mô hình FEM phù hợp hơn

H1: Mô hình REM phù hợp hơn

Kiểm định Hausman cho ra kết quả với giá trị Prob > chi2 = 0.9227 lớn hơn mức ý nghĩa 5% Do đó tác giả bác bỏ giả thuyết H0 và chấp nhận H1, kết luận mô hình hồi quy cho mẫu nghiên cứu là REM

Bảng 4.5: Tóm tắt kết quả kiểm định lựa chọn mô hình phù hợp

Tên kiểm định Lựa chọn P-value Kết quả lựa chọn

F-test POOLED OLS-FEM 0.0000 FEM

Breusch and Pagan POOLED OLS-REM 0.0000 REM

Nguồn: Tổng hợp kết quả từ phần mềm Stata

Kết luận: tổng hợp từ kết quả nghiên cứu thông qua 3 kiểm định trên, trong ba mô hình Pooled OLS, FEM và REM thì mô hình REM là mô hình phù hợp và tối ưu nhất đối với mô hình nghiên cứu

4.4.3 Kiểm định phương sai sai số thay đổi

Sau khi đã chọn được mô hình phù hợp là REM, tác giả tiếp tục tiến hành kiểm tra khuyết tật phương sai thay đổi trên mô hình này thông qua kiểm định Breusch and Pagan với giả thuyết:

H0: Mô hình không có hiện tượng phương sai sai số thay đổi

H1: Mô hình có hiện tượng phương sai sai số thay đổi

Kết quả kiểm định Breusch and Pagan cho ra kết quả giá trị P-value = 0.0000 nhỏ hơn mức ý nghĩa 5%, do đó tác giả bác bỏ giả thuyết H0, chấp nhận H1 và đưa ra kết luận rằng mô hình có xảy ra hiện tượng phương sai sai số thay đổi

4.4.4 Kiểm định tự tương quan

Tiếp theo, tác giả kiểm tra khuyết tật khác của mô hình REM là hiện tượng tự tương quan Kiểm định Wooldridge được sử dụng với giả thuyết được đặt ra:

H0: Mô hình không có hiện tượng tự tương quan

H1: Mô hình có hiện tượng tự tương quan

Căn cứ vào kết quả của kiểm định Wooldridge, P-value có giá trị là 0.0032, nhỏ hơn mức ý nghĩa 5% Chính vì vậy, tác giả bác bỏ giả thuyết H0, chấp nhận H1 và kết luận rằng mô hình REM có hiện tượng tự tương quan

Bảng 4.6: Kết quả kiểm định khuyết tật của mô hình REM

Hiện tượng Kiểm định t P-value

Phương sai sai số thay đổi Breusch and Pagan Lagrangian 34.64 0.0000

Tự tương quan Wooldridge test 10.557 0.0032

Nguồn: Tổng hợp từ kết quả phần mềm Stata

Kết luận: thông qua hai kiểm định khuyết tật của mô hình REM cho thấy xuất hiện cả hai hiện tượng phương sai sai số thay đổi và tự tương quan Chính vì vậy, để khắc phục khuyết tật của mô hình, tác giả sử dụng mô hình bình phương nhỏ nhất tổng quát (GLS-GeneralizedLeast Squares)

Bảng 4.7: Kết quả hồi quy bằng mô hình GLS

Hệ số hồi quy Sai số chuẩn z P>z

***, **, * có ý nghĩa thống kê lần lượt ở mức 1%, 5%, 10%

Nguồn: Trích kết quả từ phần mềm Stata

Kết quả mô hình cho thấy trong 7 biến độc lập được đưa vào mô hình thì có

6 biến tác động đến tỷ lệ nợ xấu (NPL) Các biến đó bao gồm: lợi nhuận ngân hàng (ROA), quy mô ngân hàng (SIZE), tỷ lệ lạm phát (INF), Tỷ lệ dự phòng RRTD (LLPTL) đều có ý nghĩa thống kê 1% Trong khi đó, đối với hai biến Khả năng thanh khoản (LDR) và chỉ số giá bất động sản (RPI) có ảnh hưởng với mức ý nghĩa 5% Ngoài ra, dựa vào bảng kết quả, có ba biến tác động cùng chiều với tỷ lệ nợ xấu (NPL) là INF, LLPTL, LDR và ba biến có mối tương quan ngược chiều với NPL là ROA, SIZE, RPI Cuối cùng, biến GDP không thể giải thích sự phụ thuộc của NPL do không có ý nghĩa về mặt thống kê.

Thảo luận kết quả nghiên cứu

Dựa vào kết quả hồi quy GLS, tác giả tổng hợp kết quả cuối cùng thu được so với giả thuyết ban đầu và đưa ra giải thích về mối quan hệ giữa các nhân tố ảnh hưởng đến RRTD của hệ thống NHTM Việt Nam thông qua bảng dưới đây

Bảng 4.8 Tổng hợp dấu kết quả thực nghiệm và kỳ vọng ban đầu

Kỳ vọng Kết quả Kết luận

Nguồn: Tác giả tự tổng hợp thông qua quá trình nghiên cứu

Dấu (+) thể hiện mối tương quan cùng chiều, dấu (-) thể hiện mối tương quan ngược chiều, ký hiệu (0) thể hiện sự tác động không có ý nghĩa thống kê

Tốc độ tăng trưởng kinh tế (GDP): Không thể kết luận tác động ngược chiều của tốc độ tăng trưởng kinh tế (GDP) và rủi ro tín dụng bởi vì kết quả nghiên cứu không chỉ ra bất kỳ mối quan hệ có ý nghĩa thống kê nào giữa hai biến này Kết quả nghiên cứu này cũng được tìm thấy ở các nghiên cứu của Poudel (2013), Kharabshe (2019), Đặng Văn Dân (2021) Mặc dù kết quả không đạt kỳ vọng giống như các nghiên cứu chứng minh được mối quan hệ ngược chiều như Louzi (2012), Messai và Jouini (2013), Nguyễn Thị Hồng Vinh (2015), Chaibi và Ftiti (2015), Ameur (2016), Kharabsheh (2019), Havidz và Obeng-Amponsah (2019) nhưng không đồng nghĩa những phát hiện này không phù hợp Trong bối cảnh nền kinh tế tăng trưởng mạnh mẽ, thu nhập và nhu cầu của người tiêu dùng tăng lên kéo theo hoạt động sản xuất, kinh doanh của doanh nghiệp có hiệu quả và lợi nhuận thu về cũng gia tăng Chính vì vậy, khả năng chi trả các khoản lãi vay và nợ gốc của các khách hàng vay vốn cũng tăng lên làm giảm khả năng phát sinh nợ xấu từ đó giảm rủi ro tín dụng cho các NHTM Trong trường hợp ngược lại, khi nền kinh tế rơi vào suy thoái, hoạt động sản xuất, kinh doanh của doanh nghiệp không đạt hiệu quả do người tiêu dùng có xu hướng cắt giảm chi tiêu khiến khả năng chi trả nợ đúng hạn của các khách hàng doanh nghiệp giảm và rủi ro tín dụng tại các NHTM gia tăng Kết quả nghiên cứu trong khóa luận này bác bỏ giả thuyết H1: Tốc độ tăng trưởng kinh tế (GDP) có tác động ngược chiều đến rủi ro tín dụng tại các NHTM Việt Nam

Tỷ lệ lạm phát (INF): Kết quả nghiên cứu đã chứng minh được tác động cùng chiều của tỷ lệ lạm phát đến rủi ro tín dụng ở mức ý nghĩa 1% trùng với kỳ vọng ban đầu của tác giả và được ủng hộ bởi các nghiên cứu thực nghiệm trước đây như Rinaldi và Sanchis-Arellano (2006), Abid (2014), Filip (2015), Ôn Quỳnh Như (2017), Nguyễn Thị Như Quỳnh và cộng sự (2018), Havidz và Obeng-Amponsah (2019), Võ Minh Long, Nguyễn Thị Yến, Phạm Đình Long (2020), Đặng Văn Dân (2021), Lê Thanh Tâm và cộng sự (2021), Naili và Lahrichi (2022) Hệ số hồi quy là 0.1418025 cho biết khi các yếu tố khác không thay đổi, nếu tỷ lệ lạm phát tăng lên 1% thì tỷ lệ nợ xấu cũng tăng 14.18025% và ngược lại Trong bối cảnh nền kinh tế có tỷ lệ lạm phát cao, giá cả hàng hóa, sản phẩm tăng kéo theo chi phí sản xuất kinh doanh của các doanh nghiệp tăng trong khi nhu cầu chi tiêu của người tiêu dùng có xu hướng giảm khiến nhiều doanh nghiệp gặp khó khăn trong khả năng thanh toán nợ vay dẫn đến có nguy cơ vỡ nợ cao Ngoài ra tỷ lệ lạm phát cao còn khiến lợi nhuận thực tế của các doanh nghiệp giảm, đồng tiền bị mất giá so với thời điểm họ vay vốn vì vậy có ảnh hưởng mạnh mẽ đến khả năng trả nợ của khách hàng Bên cạnh đó, các NHTM thường triển khai chính sách cho vay với lãi suất cao hơn trong thời kỳ lạm phát, gây áp lực trả nợ đối với khách hàng vay vốn từ đó khiến rủi ro tín dụng tại các NHTM gia tăng Vì vậy, kết quả nghiên cứu trong khóa luận này chấp nhận giả thuyết H2: Tỷ lệ lạm phát (INF) có tác động cùng chiều đến rủi ro tín dụng tại các NHTM Việt Nam

Chỉ số giá bất động sản (RPI): Theo kết quả nghiên cứu, đúng với kỳ vọng ban đầu của tác giả khi kết quả hồi quy chỉ ra rằng chỉ số giá BĐS có tác động ngược chiều đến rủi ro tín dụng ở mức ý nghĩa 5% Với hệ số hồi quy -0.0004128 cho thấy khi các yếu tố khác không đổi, nếu chỉ số giá BĐS tăng lên 1% thì tỷ lệ nợ xấu giảm 0.04128% Kết quả tương tự cũng được tìm thấy ở các nghiên cứu của

Wong và Choi (2006), Rongjie và Yang (2011), Castro (2013) Khi thị trường bất động sản trở nên “hot”, nhu cầu mua bất động sản tăng mạnh kéo theo chỉ số giá bất động sản tăng, có những hiệu ứng tích cực đối với hệ thống các ngân hàng thương mại Đầu tiên, việc tăng giá BĐS làm cho giá trị tài sản đảm bảo của những khoản tín dụng BĐS tại các ngân hàng gia tăng Điều này giảm nguy cơ rủi ro tín dụng bởi khi một khoản vay không được trả và ngân hàng phải tịch thu tài sản đảm bảo và giá trị của tài sản này thường đủ để giải quyết nợ Thứ hai, việc tăng giá bất động sản cũng tạo ra cơ hội tái tài chính cho người vay, giúp họ giảm bớt áp lực tài chính và tăng khả năng trả nợ Ngoài ra, sự bùng nổ kinh tế thường gắn liền với sự sôi động của thị trường BĐS, tạo ra môi trường kinh doanh tích cực và tăng cơ hội thu nhập cho người dân, từ đó giảm nguy cơ về tín dụng Vì vậy, kết quả nghiên cứu này chấp nhận giả thuyết H3: Chỉ số giá bất động sản (RPI) có tác động ngược chiều đến rủi ro tín dụng tại các NHTM Việt Nam

Quy mô ngân hàng (SIZE): Kết quả nghiên cứu đúng như kỳ vọng ban đầu của tác giả khi chỉ ra rằng quy mô ngân hàng có tác động ngược chiều với rủi ro tín dụng ở mức ý nghĩa 1% Với hệ số hồi quy là -0.0021842 đồng nghĩa khi các yếu tố khác không thay đổi, nếu quy mô ngân hàng tăng lên 1% thì tỷ lệ nợ xấu giảm 0.21842% Kết quả nghiên cứu tương tự cũng được tìm thấy ở các nghiên cứu của Salas và Saurina (2002), Tehulu và Olana (2014), Nguyễn Thị Bích Phượng và Nguyễn Văn Thép (2015), Ameur (2016), Nguyễn Văn Sáng và Nguyễn Thị Hồng Vinh (2018), Võ Minh Long, Nguyễn Thị Yến, Phạm Đình Long(2020), Raiter (2021), Naili và Lahrichi (2022) Điều này chứng tỏ các ngân hàng có thể giảm được nguy cơ rủi ro tín dụng nếu có thể đạt được lợi thế về quy mô trong quá trình hoạt động Tại Việt Nam, các ngân hàng này thường có lịch sử hình thành lâu đời và có thời gian hoạt động lâu năm vì vậy có lợi thế hơn về mặt thị trường, độ nhận diện thương hiệu cao Ngoài ra, các ngân hàng này thường được biết đến với kinh nghiệm dày dặn trong việc quản trị, giám sát và quản lý, đồng thời đào tạo được nguồn nhân lực chất lượng xây dựng được uy tín, xây dựng mạng lưới mối quan hệ sâu rộng và lâu dài trên thị trường Không thể phủ nhận rằng các ngân hàng lớn có khả năng quản trị rủi ro tốt hơn nhờ nắm giữ danh mục người đi vay số lượng lớn với đa dạng các loại hình doanh nghiệp Việc đa dạng hóa này có thể làm giảm khả năng phát sinh rủi ro phi hệ thống dựa trên lý thuyết danh mục đầu tư hiện đại Raiter (2021) Các ngân hàng có thể hạn chế tài trợ cho các dự án đầu cơ và tạo ra nguồn thu nhập ít rủi ro hơn bằng cách đa dạng hóa danh mục đầu tư cho vay (tham gia vào các hoạt động rủi ro phi tín dụng như giao dịch thanh toán, mô giới, ) và đa dạng hóa các nguồn doanh thu Vì vậy, các ngân hàng có thể hạn chế được RRTD thông qua việc sở hữu danh mục cho vay ít rủi ro hơn so với các ngân hàng có quy mô nhỏ Kết quả nghiên cứu này đưa đến kết luận chấp nhận giả thuyết H4: Quy mô ngân hàng (SIZE) có tác động ngược chiều đến rủi ro tín dụng tại các NHTM Việt Nam

Lợi nhuận ngân hàng (ROA): Kết quả nghiên cứu đã chứng minh có tồn tại mối tương quan ngược chiều giữa tỷ suất sinh lời trên tổng tài sản và rủi ro tín dụng đúng như kỳ vọng ban đầu tại mức ý nghĩa 5% Với hệ số hồi quy là -0.2449833 chứng tỏ khi các yếu tố khác không đổi, nếu tỷ suất sinh lời trên tổng tài sản tăng lên 1% đồng nghĩa tỷ lệ nợ xấu giảm đi 24.49833% Kết quả nghiên cứu tương tự cũng được tìm thấy ở các bài nghiên cứu của Messai và Jouini (2013), Võ Minh Long, Nguyễn Thị Yến, Phạm Đình Long (2020), Hazimi và William (2019), Lê Thanh Tâm và cộng sự (2021) Có thể giải thích kết quả này như sau: Nếu một NHTM có khả năng sinh lợi cao hơn chứng tỏ ngân hàng đó có khả năng quản lý tài chính và kiểm soát rủi ro tốt hơn kéo theo rủi ro tín dụng cũng thấp hơn (Hu và cộng sự, 2004) Những ngân hàng đạt được khả năng sinh lợi cao thường là những ngân hàng sở hữu danh mục khách hàng tiềm năng, hệ thống quản trị rủi ro, phân loại chất lượng tín dụng khá tốt thông qua lợi thế về kinh nghiệm nhằm tạo ra một lá chắn bảo vệ ngân hàng khỏi các khoản vay có nguy cơ trở thành nợ xấu Đối với những ngân hàng nhỏ hoặc hoạt động kinh doanh thu về lợi nhuận không được như kỳ vọng, họ có xu hướng chấp nhận rủi ro để đưa ra các quyết định cho vay không an toàn và các dự án đầu cơ nhiều rủi ro hơn Việc nới lỏng chính sách tín dụng nhằm bù đắp các khoản lỗ trước đây với mong muốn duy trì doanh thu hiện tại khiến các ngân hàng này đối mặt với rủi ro xuất hiện nợ xấu cao hơn (Naili và Lihrichi, 2022) Vì vậy, kết quả nghiên cứu này đưa đến quyết định chấp nhận giả thuyết H5: Tỷ suất sinh lợi trên tổng tài sản có tác động cùng chiều đến rủi ro tín dụng tại các NHTM Việt Nam

Tỷ lệ dự phòng RRTD (LLP): Kết quả nghiên cứu cho thấy mối quan hệ cùng chiều giữa tỷ lệ dự phòng rủi ro tín dụng và rủi ro tín dụng, đúng với kỳ vọng về dấu ban đầu tại mức ý nghĩa 1% Với hệ số hồi quy là 0.9677234 cho thấy khi các yếu tố khác không đổi, nếu tỷ lệ dự phòng RRTD tăng lên 1% thì rủi ro tín dụng cũng tăng lên 96,77234% Kết quả tương tự cũng được tìm thấy trong các nghiên cứu của Salas và Saurina (2002), Đỗ Quỳnh Anh và Nguyễn Đức Hùng (2013), Messai và Jouini (2013), Castro (2013), Nguyễn Thị Hồng Vinh (2015), Nguyễn Kim Quốc Trung (2019) Thực tế, NHNN Việt Nam có những quy định bắt buộc các NHTM phải trích lập dự phòng RRTD đối với các khoản nợ xấu từ nhóm 3 đến nhóm 5 Do đó, khoản dự phòng này có thể phản ánh trực tiếp tình hình và nguy cơ phát sinh nợ xấu đối với các NHTM Hay nói cách khác, tỷ lệ dự phòng rủi ro tín dụng có tác động cùng chiều đến nợ xấu Thực tế cho thấy theo báo cáo của Ủy ban giám sát tài chính Quốc gia, các khoản nợ xấu có xu hướng giảm khiến tỷ lệ dự phòng rủi ro tín dụng quý I năm 2023 là 80.8%, giảm đáng kể so với cuối năm 2022 ở mức 114.2% Nguyên nhân do các NHTM đã và đang nỗ lực trong việc giải quyết nợ xấu bằng cách bán cho VAMC xử lý các các khoản nợ này Vì vậy, dựa vào kết quả nghiên cứu này có thể đưa ra kết luận chấp nhận giả thuyết H6: Tỷ lệ dự phòng rủi ro tín dụng (LLP) có tác động cùng chiều đến rủi ro tín dụng tại các NHTM

Khả năng thanh khoản (LDR): Kết quả mô hình hồi quy cho thấy khả năng thanh khoản của ngân hàng có tác động cùng chiều đến RRTD, trùng với kỳ vọng dấu đề ra ở mức ý nghĩa 5% Với hệ số hồi quy là 0.0114664, đồng nghĩa khi các yếu tố khác không đổi, nếu ngân hàng tăng 1% khả năng thanh khoản, tỷ lệ nợ xấu cũng tăng lên 1.14664% Kết quả nghiên cứu này trùng hợp với phát hiện của Diamond và Rajan (2005), Nikomara và cộng sự (2013), Ejoh và cộng sự (2014), Kasana và Naveed (2016), Tole và cộng sự (2019), Kitila và cộng sự (2020) đã chứng minh giữa khả năng RRTD và khả năng thanh khoản có tác động cùng chiều

Có thể giải thích kết quả nghiên cứu này, khi tỷ lệ thanh khoản lớn hơn 1 đồng nghĩa ngân hàng có dư nợ cho vay lớn hơn tổng vốn huy động và đang cung cấp tín dụng từ tiền gửi Đây là lý do khiến nhiều ngân hàng đối mặt với rủi ro cao hơn khi các khoản vay không được trả theo đúng hạn Đặc biệt nếu có nhiều các khoản vay không có tài sản đảm bảo hoặc từ những khách hàng có lịch sử tín dụng kém khiến khả năng thu hồi nợ của ngân hàng giảm và dẫn đến gia tăng RRTD Đồng thời, việc quá phụ thuộc vào một số ít loại hình vay hoặc ngành công nghiệp cũng khiến ngân hàng trở nên quá dễ bị ảnh hưởng bởi biến động trong các lĩnh vực đó (Elliott và các cộng sự, 2014) Theo Tole và các cộng sự (2019), bất cứ khi nào các NHTM cung cấp càng nhiều tín dụng từ vốn huy động, thanh khoản sẽ giảm và đổi lại mức độ nợ xấu sẽ tăng Chính vì vậy, kết quả nghiên cứu trên dẫn đến kết luận chấp nhận giả thuyết H7: Khả năng thanh khoản của ngân hàng (LDR) có tác động cùng chiều đến rủi ro tín dụng tại các NHTM

Trong chương này, tác giả đã thực hiện xử lý bộ dữ liệu thông qua phần mềm Stata 17 và trình bày kết quả mô hình hồi quy bao gồm thống kê mô tả, phân tích tương quan và cuối cùng là ước lượng mô hình hồi quy Tác giả tiến hành phân tích hồi quy với ba mô hình là Pooled OLS, FEM và REM và thông qua các kiểm định F-test, Hausman, Breusch and Pagan để chọn ra mô hình cuối cùng phù hợp nhất là REM Ở bước tiếp theo, tác giả thực hiện các kiểm định kiểm tra các khuyết tật của mô hình bao gồm hiện tượng tự tương quan, đa cộng tuyến và phương sai sai số thay đổi Kết quả các kiểm định này cho thấy mô hình không xuất hiện hiện tượng đa cộng tuyến nhưng lại bị tự tương quan và phương sai sai số thay đổi Chính vì vậy, để khắc phục các khuyết tật của mô hình, tác giả sử dụng kết quả của mô hình hồi quy GLS (ước lượng bình phương nhỏ nhất tổng quát) Kết quả nghiên cứu thực nghiệm đã xác định được các nhân tố có ảnh hưởng đến rủi ro tín dụng tại các NHTM Việt Nam giai đoạn 2012-2022 gồm các yếu tố vi mô thuộc về đặc thù của ngân hàng và yếu tố vĩ mô Trong đó biến quy mô ngân hàng, chỉ số giá bất động sản và tỷ suất sinh lời trên tổng tài sản có tác động ngược chiều đến rủi ro tín dụng Trong khi đó, biến tỷ lệ lạm phát, tỷ lệ dự phòng rủi ro tín dụng và tỷ lệ dư nợ cho vay trên tổng vốn huy động lại có tác động cùng chiều đến rủi ro tín dụng của các NHTM Bên cạnh đó, kết quả nghiên cứu cho thấy biến tốc độ tăng trưởng kinh tế không có ý nghĩa thống kê.