Sau khi thực hiện phân tích hồi quy mô hình bằng các phương pháp mô hình OLS, REM, FEM cũng như GLS và kiểm tra hạn chế của nó bằng các kiểm định, nghiên cứu chỉ ra rằng rủi ro tín dụng
TỔNG QUÁT VỀ ĐỀ TÀI NGHIÊN CỨU
LÝ DO CHỌN ĐỀ TÀI
Ngành ngân hàng, được mô tả như là trái tim của hệ thống tài chính, đóng vai trò vô cùng quan trọng trong các hoạt động kinh tế và xã hội Nhiệm vụ cốt lõi của ngân hàng là chuyển dụng vốn từ những người tiết kiệm đến những ai cần đầu tư và sản xuất, đóng một vai trò trung gian quan trọng Ngân hàng tiếp nhận tiết kiệm và cho vay, đồng thời đánh giá những rủi ro của khách hàng khi vay vốn Mặc dù đối mặt với thách thức, ngân hàng phải duy trì cân đối cung cầu vốn và quản lý rủi ro hiệu quả để bảo vệ sự ổn định tài chính và tối đa hóa lợi nhuận
Trong lý thuyết và thực hành, ngân hàng thường xuyên đối mặt với các loại rủi ro như tín dụng, tiền tệ, thanh khoản và rủi ro quốc gia Do bản chất của hoạt động hệ thống ngân hàng, mỗi quyết định kinh doanh mang theo một mức độ rủi ro nhất định, được cân nhắc giữa rủi ro cũng như lợi nhuận Theo Heffernan (2005), sự thường xuyên của rủi ro có thể làm suy giảm vốn, lợi nhuận, và giá trị tài sản của ngân hàng, điều đó gây ảnh hưởng lớn đến hoạt động trong kinh doanh Do đó, việc quản lý rủi ro trở thành ưu tiên hàng đầu cho các ngân hàng
Cuộc khủng hoảng tài chính trên toàn cầu đã gây ra tác động sâu rộng lên kinh tế quốc gia, với mức độ của sự ảnh hưởng bị phụ thuộc vào mức độ hội nhập kinh tế toàn cầu của từng quốc gia Nền kinh tế lớn như Hoa Kỳ, các nước Liên minh châu Âu, và Nhật Bản trải qua suy thoái, giảm sản xuất, tăng thất nghiệp Việt Nam, với quá trình hội nhập kinh tế sâu rộng, cũng chịu ảnh hưởng nặng nề, thấy rõ qua sự sụt giảm GDP, giảm thu nhập cá nhân và giảm nhu cầu tiêu dùng Ngoài ra, khủng hoảng còn tác động lên thị trường về tài chính và hoạt động ngân hàng, gây ra sự biến động về lãi suất, giá vàng và tiền tệ
Trong các nguyên nhân hàng đầu, rủi ro ngân hàng là đáng chú ý nhất và được xã hội quan tâm
Từ khi đại dịch Covid-19 kết thúc, nền kinh tế của Việt Nam chậm phục hồi với giảm sút trong xuất khẩu và nhập khẩu, dẫn đến tình trạng tiêu thụ chậm và hàng tồn kho tăng Số liệu mới nhất từ Tổng Cục Thống kê cho thấy năm 2023 có sự gia nhập và tái gia nhập thị trường của 217.700 doanh nghiệp, tăng 4,5%, nhưng đồng thời cũng có 172.600 doanh nghiệp rút lui, tăng 20,5% Chính sách tiền tệ nghiêm ngặt gây hạn chế tín dụng và tăng lãi suất vay, làm tăng nợ xấu ở các ngân hàng, đặc biệt là VPBank, BIDV, Vietinbank, NCB và SHB Mặc dù lợi nhuận của ngân hàng đã tăng nhờ vào việc cắt giảm các chi phí và tăng nguồn thu nhập bằng các hoạt động kinh doanh khác ngoài việc cho vay, nhưng trong năm 2023 vẫn có những thách thức đối diện do tình hình nợ xấu đang gia tăng Các chuyên gia đã chỉ ra rằng, mặc dù lợi nhuận của các Ngân hàng Thương mại tại Việt Nam vẫn tiếp tục tăng, nhưng phần lớn là do chưa tiết lộ hết nợ xấu, cùng với việc giảm chi phí hoạt động của ngân hàng và tăng thu nhập thông qua các hoạt động khác Tuy nhiên, việc nợ xấu tăng cao trong năm 2023 đang là một vấn đề đáng lo ngại có thể gây ảnh hưởng theo chiều hướng xấu đến hoạt động của ngân hàng, khiến họ phải giảm lợi nhuận để tập trung vào việc giải quyết nợ xấu Mặc dù hệ thống ngân hàng của Việt Nam đã phát triển về quy mô và chất lượng dịch vụ, nhưng các vấn đề về rủi ro, đặc biệt là về nợ xấu, thanh khoản kém và giảm lợi nhuận vẫn cần được chú trọng nhiều hơn
Trong ngữ cảnh đó, việc nghiên cứu các yếu tố ảnh hưởng đến rủi ro tín dụng tại các NHTM tại Việt Nam là rất quan trọng và có ý nghĩa thiết thực Tác giả đã tiến hành thực hiện bài nghiên cứu về "Các yếu tố tác động đến rủi ro tín dụng tại các ngân hàng thương mại Việt Nam" nhằm phát hiện ra những nhân tố này và đề xuất các biện pháp chính sách nhằm giảm thiểu RRTD.
MỤC TIÊU NGHIÊN CỨU
Nghiên cứu này tập trung vào việc khám phá các nhân tố ảnh hưởng đến RRTD trong các NHTM Cổ phần Việt Nam, với mục tiêu đề xuất các biện pháp để giảm thiểu rủi ro này
1.2.2 Mục tiêu cụ thể Để phân tích các yếu tố ảnh hưởng đến rủi ro tín dụng trong các NHTM cổ phần Việt Nam, tác giả sẽ cụ thể hóa thành các mục tiêu như sau:
Một là, xác định các nhân tố tác động đến rủi ro tín dụng của các NHTM Việt
Hai là, xác định chiều hướng và mức độ ảnh hưởng của các nhân tố đối với rủi ro tín dụng trong các NHTM cổ phần Việt Nam
Ba là, kiến nghị những hàm ý chính sách có ý nghĩa nhằm hạn chế rủi ro tín dụng cho các NHTM cổ phần Việt Nam.
CÂU HỎI NGHIÊN CỨU
Để giải quyết tốt các mục tiêu nghiên cứu, cần làm rõ các câu hỏi nghiên cứu sau:
Câu hỏi 1: Các nhân tố nào ảnh hưởng đến rủi ro tín dụng của các NHTM cổ phần
Câu hỏi 2: Mức độ và chiều hướng ảnh hưởng của các yếu tố đến rủi ro tín dụng của các NHTM CP Việt Nam như thế nào?
Câu hỏi 3: Những kiến nghị nào được đưa ra để hạn chế rủi ro tín dụng trong tương lai?
ĐỐI TƯỢNG VÀ PHẠM VI NGHIÊN CỨU
Khóa luận tập trung vào việc nghiên cứu về các nhân tố có ảnh hưởng đến rủi ro tín dụng trong các NHTM Cổ phần Việt Nam
Về phạm vi thời gian: Trong giai đoạn từ năm 2012 đến 2023, các nhân tố ảnh hưởng đến rủi ro tín dụng tại các NHTM Việt Nam đã được nghiên cứu Giai đoạn này đặc biệt quan trọng vì hệ thống NHTM tại Việt Nam đã phải hứng chịu khó khăn cùng với những thách thức và rủi ro tín dụng
Về phạm vi không gian: Trong nghiên cứu dùng dữ liệu của 28 NHTM CP tại
Việt Nam không bao gồm 3 NHTM CP: SCB, PVcomBank và DongA Bank 1
PHƯƠNG PHÁP NGHIÊN CỨU
Trong khóa luận này, sử dụng cả phương pháp nghiên cứu định tính và định lượng để hiểu rõ và tổng quan vấn đề
Phương pháp nghiên cứu định tính
Nghiên cứu được thực hiện theo theo các phương pháp sau: phương pháp mô tả, phương pháp thống kê tổng hợp để tạo một cái nhìn tổng quan về các mô hình trước đây về sự ảnh hưởng của các nhân tố đối với RRTD của các NHTM ở Việt Nam để xây dựng một nền tảng và là bước đệm cho khóa luận.Ngoài ra, các phương pháp như so sánh, phân tích, và suy luận đã được áp dụng để giải thích và rút ra kết luận về đối tượng nghiên cứu Cuối cùng, các phương pháp nội suy và ngoại suy tác giả có thể dự đoán và đo lường sự ảnh hưởng của những biến độc lập, từ đó hỗ trợ quá trình đưa ra các đề xuất để hạn chế những RRTD
Phương pháp nghiên cứu định lượng
Phương pháp nghiên cứu định lượng là phương pháp được sử dụng chính trong bài báo cáo Phương pháp này có độ chính xác cao, dựa trên số liệu thực tế để phân tích những tác động của các nhân tố ảnh hưởng đến RRTD tại các NHTM ở Việt Nam
Trong nghiên cứu này đã áp dụng các phương pháp phân tích bao gồm ba mô hình hồi quy khác nhau: mô hìnhOLS, mô hình FEM và mô hình REM cùng với mô hình GLS
1 Truy cập tại: https://bankervn.com/danh-sach-ngan-hang/ được thực hiện chạy trên phần mềm stata phiên bản 17 Kiểm tra F được sử dụng để so sánh và chọn lựa giữa OLS và FEM Bên cạnh đó, kiểm định Hausman được triển khai để xác định sự phù hợp giữa FEM và REM Ngoài ra, nghiên cứu cũng đánh giá hiện tượng về đa cộng tuyến qua hệ số VIF, kiểm tra hiện tượng tự tương quan bằng kiểm định Wooldridge và phân tích sự không đồng nhất của phương sai thông qua kiểm định Wald Sau khi thực hiện các bước kiểm định, nếu mô hình xuất hiện các khuyết tất, sẽ sử dụng phương pháp GLS để thực hiện cải thiện các khuyết tật được tìm thấy.
ĐÓNG GÓP CỦA ĐỀ TÀI
1.6.1 Ý nghĩa về mặt khoa học
Bài nghiên cứu này sẽ đóng góp thêm bằng chứng thực nghiệm về sự ảnh hưởng của các nhân tố đối với RRTD tại các NHTM tại Việt Nam từ năm 2012 đến 2023 Trong khoảng thời gian này, nền kinh tế của Việt Nam đã trải qua biến động mạnh mẽ như năm
2012 đất nước ưu tiên trong việc kiềm chế lạm phát nên mức tăng trương GDP chỉ đạt 5,03% mức thấp nhất kể từ năm 1999 Sau khoảng thời gian nền kinh tế dần phục hồi thì năm 2019-2020 bj ảnh hưởng nặng nề của dịch bệnh Covid-19, nền kinh tế bị ảnh hưởng kéo dài đến năm 2021 Năm 2022 và năm 2023, Việt Nam bị ảnh hưởng kinh tế vì các nước Châu Âu gây chiến với nhau, dẫn đến tình hinh xuất khẩu của đất nước bị ảnh hưởng nghiệm trọng, lạm phát tăng
1.6.2 Ý nghĩa về mặt thực tiễn
Dựa vào việc thực tiễn nghiên cứu 28 NHTM tại Việt Nam trong thời kỳ 2012-
2023, tác giả đã phân tích những nhân tố có ảnh hưởng đối với RRTD, giúp cho các tổ chức và quản trị viên ngân hàng hiểu rõ hơn về mức độ và xu hướng ảnh hưởng Từ đó, tác giả đã đề xuất và đóng góp các giải pháp nhằm giảm thiểu RRTD trong ngữ cảnh hiện tại của các NHTM tại Việt Nam.
BỐ CỤC ĐỀ TÀI
Bố cục đề tài nghiên cứu bao gồm 5 chương
CHƯƠNG 1: TỔNG QUÁT VỀ ĐỀ TÀI NGHIÊN CỨU
Trong chương này, tác giả sẽ đề cập đến cấu trúc của nghiên cứu, bao gồm lý do chọn đề tài, vấn đề nghiên cứu, mục tiêu, câu hỏi, phạm vi và đối tượng nghiên cứu, ý nghĩa và bố cục của nghiên cứu
CHƯƠNG 2: CƠ SỞ LÝ THUYẾT TỔNG QUAN NGHIÊN CỨU
Chương này tổ chức lý thuyết tổng quan, xác định những nhân tố có thể ảnh hưởng đối với RRTD và liệt kê các vấn đề nghiên cứu dựa trên các nghiên cứu trước đó ở Việt Nam và quốc tế, chuẩn bị cơ sở cho việc xây dựng mẫu nghiên cứu và phương pháp nghiên cứu
CHƯƠNG 3: PHƯƠNG PHÁP VÀ MÔ HÌNH NGHIÊN CỨU
Trong chương 3 được đề cập đến các mô hình được sử dụng để quá trình nghiên cứu trong đề tài, biến và dữ liệu nghiên cứu, phương pháp nghiên cứu, quy trình để cho ra kết quả phù hợp với mục tiêu mong muốn của tác giả
CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN
Trong chương 4 này, tác giả tiếp tục tuân thủ kế hoạch nghiên cứu được đề ra ở chương 3 bằng cách sử dụng phần mềm Stata 17 để phân tích và xử lý dữ liệu Cụ thể, công việc bao gồm việc thực hiện thống kê mô tả về mẫu dữ liệu, phân tích tương quan và hồi quy, và thực hiện kiểm định về các giả thuyết nghiên cứu Qua việc này, không chỉ làm rõ sự tác động của những biến độc lập lên biến phụ thuộc, mà còn so sánh kết quả với các bài nghiên cứu đã được công bố trước đó Điều này giúp tác giả góp phần một cái nhìn tổng quan và phân tích chi tiết về các nhân tố có thể ảnh hưởng đối với rủi ro tín dụng trong lĩnh vực NHTM tại Việt Nam
CHƯƠNG 5: KẾT LUẬN VÀ KIẾN NGHỊ
Trong chương tổng kết của nghiên cứu, tác giả không chỉ điểm qua thành tựu của bài nghiên cứu đã đạt được mà còn chỉ ra những điều hạn chế cụ thể và đề xuất các định hướng để phát triển tiềm năng cho tương lai Dựa vào các phân tích này, tác giả đóng góp các đề xuất nhằm hỗ trợ các NHTM tại Việt Nam nhận biết và tránh các yếu tố có thể gây tăng rủi ro tín dụng
Trong phần mở đầu của nghiên cứu, tác giả đã cung cấp một cái nhìn tổng quan về đề tài nghiên cứu một cách rõ ràng và khoa học Bằng cách giới thiệu lý do lựa chọn đề tài, mục tiêu nghiên cứu và câu hỏi nghiên cứu, tác giả đã làm rõ hơn về ý đồ và phương hướng của nghiên cứu Điều này giúp độc giả hiểu rõ hơn về phạm vi và ý nghĩa của đề tài, cũng như cách tiếp cận và xử lý vấn đề Ngoài ra, việc xác định cấu trúc tổ chức của nghiên cứu và liệt kê các vấn đề sẽ được thảo luận trong mỗi chương tạo ra một lộ trình rõ ràng và có hệ thống, giúp người đọc dễ dàng tiếp cận thông tin và theo dõi tiến trình của nghiên cứu.
CƠ SỞ LÝ THUYẾT VÀ TỔNG QUAN NGHIÊN CỨU
CƠ SỞ LÝ THUYẾT
2.1.1 Khái niệm tín dụng ngân hàng
Tín dụng là mối quan hệ giữa người vay và người cho vay Người cho vay phải chuyển nhượng quyền sử dụng tiền hoặc hàng hóa vay cho người vay trong một khoảng thời gian nhất định (Laar & Adjei, 2020)
Về mặt pháp lý, quan hệ tín dụng là quan hệ cho vay tài sản Nó khác với các mối quan hệ cho vay tài sản thông thường ở chỗ đối tượng trả nợ không phải là đồ vật cùng loại mà là tiền Trong quan hệ kinh tế - thương mại, nghĩa vụ hoàn trả là nghĩa vụ hoàn trả có giá trị lớn hơn số tiền được chuyển, bao gồm giá trị được giao và lãi suất tín dụng (Alshatti, 2014) Ở Việt Nam, "Tín dụng ngân hàng là một giao dịch giữa hai chủ thể, trong đó bên cấp tín dụng (ngân hàng/ TCTD 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" (Bùi Diệu Anh, 2020)
Từ các khái niệm trên, tín dụng ngân hàng được hiểu là một giao dịch có mối quan hệ từ hai bên là người đi vay (khách hàng có thể là cá nhân hoặc một tổ chức) và người cho vay (ngân hàng hoặc TCTD) Giữa hai chủ thể dựa vào sự chuyển thể giữa tiền và tài sản cho nhau để đảm bảo được mục đích của nhau
2.1.2 Khái niệm rủi ro tín dụng
Theo Gizaw và cộng sự (2015), rủi ro tín dụng phát sinh khi một trong các bên trong hợp đồng tín dụng thiếu khả năng thực hiện nghĩa vụ tài chính cho các bên còn lại Rủi ro tín dụng như vậy là một phần bất khả kháng trong quản lý hoạt động kinh doanh của ngân hàng
Theo tạp chí ngân hàng được viết bởi Lương Hải Sinh (2023) thì rủi ro tín dụng xuất hiện khi người đi vay không có khả năng thanh toán lãi hoặc trả nợ gốc trong thời hạn quy định đã được thoả thuận trong hợp đồng tín dụng Rủi ro này là một đặc tính không thể tránh khỏi trong hoạt động ngân hàng Rủi ro tín dụng xảy ra khi thanh toán bị trì hoãn hoặc chỉ được thực hiện một phần Điều này dẫn đến sự cản trở của luồng tiền và ảnh hưởng tiêu cực đến khả năng thanh khoản của ngân hàng
Theo Phan Thị Thu Hà (2007) cho rằng rủi ro tín dụng là khả năng xảy ra những tốn thất ngoài dự kiến cho ngân hàng do khách hàng vay không trả đúng hạn, không trả hoặc không trả đầy đủ vốn và lãi
Theo khoản 24 trong điều 2 thông tư 41/2016/TT-NHNN ngày 30/12/2026 của thống đốc NHNN nay được sửa đổi và bổ sung theo thông tư 22/2023/TT-NHNN ngày 29/12/2023 sẽ có hiệu lực vào 01/07/2024: “Rủi ro tín dụng là rủi ro do khách hàng không thực hiện hoặc không có khả năng thực hiện một phần hoặc toàn bộ nghĩa vụ trả nợ theo hợp đồng hoặc thỏa thuận với ngân hàng, chi nhánh ngân hàng nước ngoài”
Theo khoản 1 trong điều 3 thông tư 11/2021/TT-NHNN ngày 30/07/2021 của Thống đốc NHNN: “Rủi ro tín dụng trong hoạt động ngân hàng (sau đây gọi tắt là rủi ro) là khả năng xảy ra tổn thất đối với nợ của TCTD, chi nhánh ngân hàng nước ngoài do khách hàng không có khả năng trả được một phần hoặc toàn bộ nợ của mình theo hợp đồng hoặc thỏa thuận (sau đây gọi là chung là thỏa thuận) với TCTD, chi nhánh ngân hàng nước ngoài”
Do đó, rủi ro tín dụng là một phần không thể thiếu trong hoạt động của ngân hàng và có thể gây ra thiệt hại đáng kể cho các tổ chức này Rủi ro này đặc biệt quan trọng đối với các NHTM, vì tại đây, các khoản vay thường chiếm một tỷ lệ lớn trong tổng số tài sản Nó được thể hiện thông qua các trường hợp khách hàng trả nợ chậm, không đầy đủ hoặc thậm chí là không trả nợ, làm ảnh hưởng trực tiếp đến sự ổn định tài chính và gian truân trong hoạt động kinh doanh của ngân hàng
2.1.3 Các chỉ tiêu đánh giá rủi ro tín dụng
Nợ quá hạn đóng vai trò trọng yếu trong việc định lượng Rủi ro Tín dụng (RRTD) Khi người đi vay không thực hiện được việc thanh toán đầy đủ hoặc một phần của khoản nợ đến hạn, tình trạng nợ quá hạn sẽ xảy ra Tùy theo mức độ chậm trễ của khoản nợ, chúng có thể được xếp vào các nhóm khác nhau như: đủ tiêu chuẩn, cần được theo dõi, dưới tiêu chuẩn, nghi ngờ, và có nguy cơ mất vốn Đây là một chỉ số cơ bản để đánh giá về tình hình tài chính của người vay và có ảnh hưởng một mức độ nào đó đến các hoạt động của người cho vay Tỷ lệ nợ quán hạn theo Phạm Thái Hà (2017) được thiết lập như sau:
Tỷ lệ nợ quá hạn được tính khi lấy thương của số dư nợ quá hạn chia cho tổng số dư nợ
Tỷ lệ khách hàng có nợ quá hạn được tính bằng cách chia số lượng khách hàng có nợ quá hạn cho tổng số khách hàng đang có dư nợ
Nếu một ngân hàng có tỷ lệ cao của khách hàng có nợ quá hạn, điều này cho thấy ngân hàng đang đối mặt với mức rủi ro cao trong hoạt động của mình Ngược lại, nếu tỷ lệ này thấp, ngân hàng có thể được coi là đang hoạt động trong một môi trường ít rủi ro hơn
Khi các khoản nợ không được thanh toán trong hơn 90 ngày và xuất hiện các báo hiệu về sự khó khăn trong việc thanh toán hoặc thu hồi vốn từ phía chủ nợ, điều này thường là kết quả của những vấn đề trong hoạt động kinh doanh của bên vay như thua lỗ liên tục, phá sản, hoặc việc tài sản bị chuyển nhượng bất hợp pháp Những khoản nợ này được xếp vào danh mục nợ xấu Việc phân loại nợ xấu này thường dựa trên thời gian nợ quá hạn cùng với khả năng thanh toán của khách hàng, và chúng được chia thành ba nhóm rõ ràng: nhóm 3 (dưới chuẩn), nhóm 4 (nghi ngờ), và nhóm 5 (có khả năng mất vốn) Các chỉ tiêu dùng để phản ánh nợ xấu bao gồm:
𝑸𝒖ỹ 𝒅ự 𝒑𝒉ò𝒏𝒈 𝒕ổ𝒏 𝒕𝒉ấ𝒕 Chỉ số tỷ lệ nợ xấu là một chỉ tiêu quan trọng để đánh giá rủi ro trong hoạt động tín dụng của ngân hàng Nó thường được sử dụng để đo lường mức độ rủi ro mà ngân hàng phải đối mặt khi cho vay và quản lý các khoản nợ Nếu tỷ lệ nợ xấu tăng cao, điều này thể hiện rằng ngân hàng đang gặp khó khăn trong việc quản lý rủi ro và có thể phải đối mặt với các vấn đề tài chính tiềm ẩn Do đó, tỷ lệ nợ xấu thường được sử dụng như một chỉ số để đánh giá và theo dõi sự ổn định trong tài chính của ngân hàng Chỉ tiêu này cũng được phát hiện trong các nghiên cứu tương tự như: Louzis và cộng sự (2011),
Dự phòng rủi ro tín dụng
"Dự phòng rủi ro là số tiền được trích lập và hạch toán vào chi phí hoạt động để dự phòng cho những rủi ro có thể xảy ra đối với nợ của TCTD, chi nhánh ngân hàng nước ngoài Dự phòng rủi ro gồm dự phòng cụ thể và dự phòng chung"(Ngân hàng nhà nước, 2021)
Tỷ lệ dự phòng RRTD = (Dự phòng RRTD/ Tổng dư nợ kỳ báo cáo) *100
CÁC NHÂN TỐ ẢNH HƯỞNG ĐẾN RỦI RO TÍN DỤNG
2.2.1 Các nhân tố thuộc về NHTM
Tỷ lệ vốn chủ sỡ hữu (CAP)
Trong các nghiên cứu trước đó, thường sử dụng tỷ lệ giữa vốn chủ sở hữu và tổng tài sản như một chỉ số để đánh giá mức độ vốn của ngân hàng Delis, Tran và Staikouras (2011) đã đưa ra nhận định rằng khi tỷ lệ đòn bẩy tài chính tăng lên, yêu cầu vốn cũng trở nên nghiêm ngặt hơn, ngụ ý rằng các ngân hàng có thể tiếp cận việc cho vay một cách thận trọng hơn Ngược lại, tỷ lệ đòn bẩy tài chính thấp có thể thúc đẩy sự gia tăng của nợ xấu, vì các quản lý ngân hàng có thể mở rộng danh mục cho vay mà không cần đảm bảo đủ mức vốn, điều này có thể tạo ra rủi ro đạo đức
Quy mô ngân hàng (SIZE)
Quy mô của một ngân hàng, được định nghĩa là giá trị thị trường của nó, thường được đánh giá thông qua việc sử dụng logarit tự nhiên của tổng giá trị tài sản Tác động của quy mô ngân hàng đối với rủi ro trong tín dụng có thể tích cực hoặc tiêu cực Các ngân hàng có quy mô lớn có khả năng quản lý nợ xấu một cách hiệu quả hơn do khả năng đa dạng hóa danh mục cho các khoản vay và quản trị về RRTD tốt hơn so với các ngân hàng có quy mô nhỏ hơn, theo như (Das & Saibal, 2007) đã chỉ ra Trái ngược với điều này, theo bài nghiên cứu của hai tác giả Nguyễn Thị Ngọc Diệp và Nguyễn Minh Kiều (2015), phát hiện rằng gần như các Ngân hàng Thương mại không quá chú trọng vào việc thực hiện chính sách cho vay đa dạng, mà chỉ tập trung chủ yếu vào các đối tác lớn như những doanh nghiệp nhà nước và tập đoàn Do đó, trong thực tế, các doanh nghiệp nhà nước thường có ưu thế hơn trong việc vay mượn, dẫn đến việc các NHTM thường đơn giản hóa đi quy trình duyệt cho vay, từ đó tạo ra các nguy cơ tiềm ẩn về RRTD đối với ngân hàng Hơn nữa, các kết quả kiểm nghiệm thu được từ các nghiên cứu trên đã chỉ ra mối quan hệ tích cực giữa chỉ số này và RRTD như trong nghiên cứu của Zribi & Boujelbène (2011)
Dư nợ vay trên tổng tài sản (LOAN)
Khi tỷ lệ cho vay của một ngân hàng cao hơn số tiền gửi, ngân hàng có thể giảm dự trữ cho rủi ro của mình Tỷ lệ giữa tổng nợ vay và vốn chủ sở hữu thể hiện mức độ tin cậy của khách hàng và tình hình tín dụng cũng như khả năng sinh lời của ngân hàng Một tỷ lệ cao cho thấy ngân hàng đang cho vay quá mức, điều này nếu không được quản lý thận trọng có thể gây hậu quả tiêu cực cho tài chính ngân hàng trong tương lai Ngược lại, một tỷ lệ thấp có thể chỉ ra rằng ngân hàng đang áp dụng một chính sách thận trọng, giảm thiểu rủi ro và tiếp cận tiền tệ một cách cẩn thận bằng cách hạn chế hoạt động cho vay Nghiên cứu của Al-Wesabi & Ahmad (2013) hay của Kasana & Naveed (2016) cũng đã phát hiện mối liên kết tích cực giữa hai biến này
Tăng trưởng tín dụng (GROW)
Tăng trưởng tín dụng là tỷ lệ phần trăm của sự gia tăng vốn cho vay cho cá nhân hoặc tổ chức trong năm hiện tại so với năm trước Mặc dù tăng trưởng tín dụng thường được coi là một tín hiệu tích cực về cung cấp vốn cho nền kinh tế, các phân tích về ảnh hưởng của tăng trưởng tín dụng lên tỷ lệ nợ xấu đã đưa ra những kết quả đa dạng Các nghiên cứu ban đầu đã chỉ ra mối quan hệ giữa tốc độ tăng trưởng của tín dụng so với rủi ro tín dụng tăng theo Cụ thể, trong nghiên cứu của Nguyễn Thị Như Quỳnh và cộng sự (2018); Keeton (1999); Klein (2013) đã chỉ ra rằng sự tăng tốc trong tăng trưởng tín dụng, thường yêu cầu các khoản vay của ngân hàng cũng phải tăng lên để đáp ứng nhu cầu vốn của thị trường Điều này thường đi kèm với những rủi ro tiềm ẩn, khiến cho mối quan hệ giữa tăng trưởng tín dụng và rủi ro tín dụng thường có xu hướng di chuyển theo cùng một hướng Ngược lại, các nghiên cứu của Jiménez và cộng sự (2006); Louzis và cộng sự (2012) đã chứng minh rằng trong một số trường hợp, sự tăng trưởng tín dụng biến động không bình thường có thể thu hút sự chú ý từ phía NHNN Điều này có thể dẫn đến việc các NHTM cần phải siết chặt các tiêu chuẩn về bảo lãnh và hạn chế tăng trưởng tín dụng dưới sự giám sát của NHNN Như vậy, tác động của tăng trưởng tín dụng lên RRTD ngân hàng có thể không đơn giản và thường là nghịch chiều
Khả năng sinh lời (ROA)
Khả năng sinh lợi là một trong những chỉ số rất phổ biến và nhận được sự quan tâm đặc biệt từ một phần lớn các nhà đầu tư Cụ thể, đây là một đại lượng quan trọng phản ánh khả năng sinh lời dựa trên nguồn tài sản hiện có của Ngân hàng Thương mại Đây có thể được định nghĩa là tỷ lệ phần trăm giữa lợi nhuận sau thuế so với tổng tài sản hiện tại của ngân hàng Tài sản trong chỉ số này chính là nguồn tài trợ chủ yếu cho các hoạt động tài chính và kinh doanh của ngân hàng Mức độ này càng cao, nó báo hiệu rằng việc ngân hàng sử dụng tài sản cho mục đích kinh doanh một cách hiệu quả và thành công Trong khi đó, Zribi & Boujelbène (2011) cho rằng, một ngân hàng có khả năng tạo ra lợi nhuận cao thường không cần phải đặt quá nhiều áp lực vào việc tạo ra thu nhập, điều này có nghĩa là họ ít gặp rủi ro khi tham gia vào các hoạt động cho vay có tính rủi ro
Hiệu quả chi phí hoạt động (INEFF)
Hiệu quả chi phí hoạt động được xem là một chỉ báo cho thấy ngân hàng quản lý tài nguyên của mình như thế nào Một tỷ lệ thấp trong chỉ số này báo hiệu rằng ngân hàng đang dùng ít chi phí hơn để sinh ra doanh thu, điều này phản ánh hiệu quả trong quản lý kinh doanh của họ Trong nghiên cứu của Havranek, Irsova & Lesanovska (2016) và Ivanović (2016) đã chỉ ra một mối quan hệ tích cực giữa tỷ lệ chi phí hoạt động và sự tăng trưởng tín dụng Cụ thể, các ngân hàng với chi phí hoạt động thấp hơn thường có xu hướng cung cấp các sản phẩm vay với lãi suất thấp hơn, khuyến khích nhu cầu vay của khách hàng Tuy nhiên, việc kích thích nhu cầu vay có thể dẫn đến tăng trưởng tín dụng, nhưng cũng có thể tăng nguy cơ nợ xấu, gây ra rủi ro toàn diện cho ngân hàng (Arega, Hanna & Tadele, 2016)
2.2.2 Các nhân tố vĩ mô
Tăng trưởng kinh tế (GDP)
Theo dữ liệu từ Tổng Cục Thống Kê, GDP của một quốc gia có thể được hiểu là tổng giá trị của tất cả sản phẩm và dịch vụ cuối cùng được tạo ra trong quốc gia đó trong một khoảng thời gian cụ thể (có thể là một quý hoặc một năm) GDP không tính đến các giá trị của những sản phẩm và dịch vụ sử dụng trong các giai đoạn sản xuất trước đó Đơn giản, GDP biểu thị tổng giá trị thị trường của tất cả sản phẩm và dịch vụ được tiêu dùng trong quốc gia đó Nghiên cứu của Võ Thị Quý & Bùi Ngọc Toản (2014) đã phát hiện ra rằng trong điều kiện tăng trưởng thuận lợi, nền kinh tế thường phát triển ổn định, qua đó tạo ra một môi trường làm việc lý tưởng cho người lao động, từ đó giảm nguy cơ dẫn đến rủi ro tín dụng cho các NHTM Vì vậy, sự sản xuất tổng hợp trong nước có thể tạo ra ảnh hưởng không tích cực đối với RRTD của các ngân hàng Nghiên cứu của Zribi
& Boujelbène (2011) cùng với Castro (2013) cũng đưa ra kết quả tương tự
Tỷ lệ lạm phát (INF)
Tỷ lệ lạm phát và rủi ro tín dụng có một mối liên hệ mật thiết và có thể ảnh hưởng lẫn nhau một cách trực tiếp hoặc gián tiếp Khi tỷ lệ lạm phát tăng, giá cả của hàng hóa và dịch vụ sẽ tăng Điều này có thể dẫn đến việc tăng chi phí cho người dân, doanh nghiệp và cả chính phủ Đồng thời, khả năng trả nợ của người vay cũng giảm khi chi phí tăng, từ đó làm tăng RRTD của họ
Theo Castro (2013) khi lạm phát tăng, giá trị đồng tiền giảm và giá cả trên thị trường tăng, gây mất cân bằng cung cầu và lủng đoạn thị trường Điều này ảnh hưởng tiêu cực đến tốc độ tăng trưởng kinh tế và giảm khả năng hoàn trả của nhiều phân khúc cho vay của NHTM Trong trường hợp này, chỉ số lạm phát có tác động thuận chiều đối với rủi ro trong tín dụng
Tương phản, theo Zribi & Boujelbène (2011), tác động của lạm phát đối lập với RRTD của ngân hàng Trong thời kỳ lạm phát cao, các NHTM không chú trọng vào những khoản vay dài hạn mà tập trung vào các lĩnh vực được đảm bảo trong nền kinh tế Điều này giảm số tiền cho vay và làm tăng chất lượng người vay, giảm nguy cơ rủi ro tín dụng.
LƯỢC THẢO CÁC NGHIÊN CỨU CÓ LIÊN QUAN
2.3.1 Các nghiên cứu nước ngoài
Zribi & Boujelbène (2011) đã tập trung nghiên cứu vào việc đánh giá những yếu tố quyết định rủi ro không thực hiện nghĩa vụ trên ngân hàng thương mại Tunisia Mẫu dữ liệu được quan sát bao gồm 10 ngân hàng trong khoảng thời gian từ năm 1995 đến
2008 Kết quả của nghiên cứu cho thấy rằng các yếu tố chính quyết định nguy cơ tín dụng của ngân hàng ở nước Tunisia là cơ cấu sở hữu, quy định về vốn thận trọng, khả năng sinh lời cùng với các chỉ số về kinh tế vĩ mô Để làm rõ những yếu tố này, nhóm tác giả đã sử dụng dữ liệu từ phương pháp Panel, cho phép kiểm soát sự không đồng nhất của các quan sát trong các phép đo riêng lẻ
Trong bài nghiên cứu của Castro (2013), các yếu tố mang tính vĩ mô đã được phân tích về tác động đến nguy cơ tín dụng tại các ngân hàng trong năm quốc gia của châu Âu bao gồm những nước như Bồ Đào Nha, Hy Lạp, Ý, Tây Ban Nha và Ireland trong thời kỳ từ quý 1 năm 1997 đến quý 3 năm 2011 Theo những phân tích chỉ ra rằng rủi ro về tín dụng tăng khi có sự suy giảm trong tăng trưởng GDP, giá cổ phiếu và thị trường nhà ở Hơn nữa, biến động của rủi ro tín dụng còn phản ánh sự biến đổi của các yếu tố như tỷ giá hối đoái, tỷ lệ thất nghiệp, cũng như tốc độ tăng trưởng về dư nợ và lãi suất
Theo nghiên cứu của hai tác giả Chaibi & Ftiti (2014), vấn đề về nguy cơ tín dụng đã được khám phá thông qua việc phân tích dữ liệu không gian từ hệ thống từ ngân hàng của 02 nước Pháp và Đức trong thời kỳ từ năm 2005 đến năm 2011 Bằng cách sử dụng phương thức tiếp cận dựa trên những dữ liệu của bảng động, bài nghiên cứu đã chỉ ra rằng không chỉ có tỷ lệ lạm phát mà còn có các yếu tố vĩ mô ảnh hưởng đến kể đến rủi ro về tín dụng như tỷ lệ thất nghiệp, lãi suất ngân hàng, cũng như sự tăng trưởng của kinh tế cũng như tỷ giá hối đoái
Nghiên cứu khoa học của Asamoah & Adjare (2015) đã củng cố thêm bằng chứng về mối liên hệ cùng chiều về RRTD và đòn bẩy nợ, nhưng lại có mối liên hệ ngược chiều đối với lợi nhuận Tác giả đã áp dùng những dữ liệu có được từ hệ thống của NHTM tại Ghana trong thời kỳ từ 2007 đến 2014 và áp dụng phương pháp hồi quy RLS
Tác giả Mpofu & Nikolaidou (2018) trong việc đánh giá các nhân tố có ảnh hưởng đối với RRTD của các ngân hàng tại 22 đất nước thuộc khu vực hậu Sahara trong khoảng thời gian từ năm 2000 đến năm 2016 đã phát hiện rằng sự tăng trưởng của nền kinh tế biến động nghịch chiều đối với RRTD Ngoài ra, tỷ lệ về tín dụng cho các khu vực dân cư tư nhân trên GDP, mức độ lạm phát hay độ mở rộng thương mại cũng là những nhân tố có mức độ tác động đáng kể đến rủi ro về tín dụng trong những quốc gia này
Nghiên cứu của Kharabsheh (2019) nhằm kiểm tra những yếu tố nào tác động đến rủi ro về mặc tín dụng của hệ thống Ngân hàng Thương mại Jordan từ 2000 đến
2017 Kết quả cho thấy yếu tố tốc độ tăng trưởng GDP hay tỷ lệ lạm phát và thanh khoản ngân hàng đều không mang tính chất ý nghĩa về mặc thống kê Tuy nhiên, nếu như tỷ lệ của thất nghiệp, sự tăng trưởng về tín dụng, hiệu quả hoạt động và cũng như vốn hóa của ngân hàng tăng cao, có thể thúc đẩy tỷ lệ nợ xấu tăng lên, trong khi đó lợi nhuận ngân hàng lại biểu hiện theo chiều hướng ngược chiều
Mặc khác trong nghiên cứu mới nhất của Khan và cộng sự (2020), dựa vào dữ liệu từ các NHTM của Pakistan trong thời kỳ từ năm 2005 đến năm 2017, đã được xác định rằng hiệu quả trong hoạt động và trong lợi nhuận là những yếu tố làm tác động đối lập đến nợ xấu Tuy nhiên, sự biến động của nguồn thu nhập và mức độ vốn đủ không thể hiện sự liên kết thống kê đáng kể với nợ xấu khi được xem xét Cụ thể, các phát hiện từ báo cáo này không chỉ ra một mối quan hệ đáng kể giữa sự dao động của nguồn thu và tỷ lệ vốn đầy đủ với sự gia tăng trong nợ xấu
Ferreira (2022) đã tiến hành nghiên cứu về sự phát triển của nợ xấu trong các ngân hàng và hầu như tập trung chủ yếu vào ba yếu tố chính để giải thích: hiệu suất hoạt động của ngân hàng, điều kiện thị trường và cấu trúc tổng quan của tài chính Phương pháp được áp dụng trong nghiên cứu này bao gồm sử dụng hiệu ứng cố định của bảng điều khiển và phương pháp GMM trên một tập dữ liệu bao gồm 80 quốc gia trên toàn thế giới trong giai đoạn từ 1999 đến 2017 Kết quả đã chỉ ra rằng hiệu suất hoạt động của ngân hàng, điều kiện thị trường và quy định về vốn của ngân hàng đều có ảnh hưởng đáng kể đến mức độ nợ xấu Tuy nhiên, yếu tố quan trọng nhất trong việc giảm thiểu nợ xấu, thông qua việc quản lý cho vay và ngăn chặn tổn thất trong hệ thống ngân hàng cũng như nguy cơ khủng hoảng về mặc tài chính được xác định là phát triển về kinh tế
2.3.2 Các nghiên cứu trong nước
Trong nghiên cứu của Nguyễn Thị Thu Hiền & Phạm Đình Tuấn (2014), họ đã tận dụng phương pháp phân tích hồi quy để khám phá tình trạng dự phòng của RRTD ở các NHTM tại Việt Nam trong giai đoạn từ 2008 đến 2012, và đồng thời kết nối với các đặc tính đặc biệt của từng ngân hàng Phương pháp này đã được tác giả áp dụng trên dữ liệu bảng trong nghiên cứu Kết quả đã chỉ ra sự đồng biến giữa dự phòng RRTD và cả quy mô của ngân hàng và tỷ lệ về nợ xấu, nhưng lại có sự tương phản với hệ số của rủi ro về tài chính Từ góc nhìn lý thuyết, bài nghiên cứu cũng chỉ ra khả năng áp dụng các chính sách về kế toán liên quan đến việc dự phòng cho RRTD bởi các quản lý ngân hàng ở Việt Nam
Nguyễn Thị Hồng Vinh (2015), đã thực hiện một nghiên cứu về những yếu tố làm ảnh hưởng đối với dư nợ xấu trong hệ thống các NHTM ở Việt Nam Nghiên cứu này dùng mẫu dữ liệu gồm 22 ngân hàng trong thời kỳ từ năm 2007 đến 2014 Kết quả của nghiên cứu cho thấy rằng hiệu quả hoạt động của các ngân hàng, VCSH và tăng trưởng tín dụng góp phần vào tình trạng tiêu cực của nợ xấu Mặc khác, lịch sử nợ xấu, quy mô của ngân hàng và tỷ lệ dư nợ so với vốn huy động lại ảnh hưởng tích cực đối với nợ xấu Các yếu tố vĩ mô như tăng trưởng kinh tế, tỷ lệ lạm phát, lãi suất ngân hàng, tỷ giá và giá bất động sản đều có mức độ tác động đáng kể đến tình trạng nợ xấu
Phan Đình Khôi & Nguyễn Việt Thành (2017) đã tiến hành nghiên cứu về ảnh hưởng của các yếu tố vi mô đến rủi ro tín dụng trước năm 2014 tại năm ngân hàng thương mại cổ phần ở tỉnh Hậu Giang Họ đã áp dụng cả mô hình Logit đa thức tổng quát và mô hình Logit nhị phân để khám phá mối liên hệ giữa các yếu tố ảnh hưởng đến rủi ro tín dụng Kết quả từ mô hình phân tích cho thấy các biến như giá trị tài sản thế chấp, lịch sử khoản vay, mục đích sử dụng khoản vay, nghề nghiệp và nguồn thu nhập chính để trả nợ, cùng với kỹ năng chuyên môn của nhân viên tín dụng giám sát khoản vay, có ảnh hưởng đến RRTD Nghiên cứu này cũng kết luận rằng việc đa dạng hóa kinh doanh không tác động đến RRTD tại các NHTM trên cả hai cấp độ phân tích
Trong nghiên cứu của Phạm Xuân Quỳnh & Trần Đức Tuấn (2019), việc khảo sát về dự phòng trong RRTD ở các NHTM Việt Nam đã được tiến hành dựa trên mẫu dữ liệu được lấy từ BCTC của 23 ngân hàng trong thời kỳ từ năm 2008 đến 2017 Hồi quy bảng dữ liệu là phương pháp được tác giả sử dụng Kết quả quá trình nghiên cứu đã chỉ ra rằng tỷ lệ dự phòng về rủi ro tín dụng tăng tương đồng với tốc độ tăng trưởng tín dụng và thu nhập lãi ròng gần biên, trong khi lại giảm khi thu nhập trên tổng tài sản và tỷ lệ lạm phát tăng
Một nghiên cứu bởi Vo Minh Long và cộng sự (2020) với các NHTM trong nước, trong thời kỳ từ năm 2008 đến 2017, đã cho thấy sự biến động của lãi suất, cấu trúc vốn trong ngân hàng, nợ xấu của cùng kỳ trước (có sự ảnh hưởng tích cực), ROA, lạm phát, và tăng trưởng tín dụng (có ảnh hưởng tiêu cực) là những yếu tố có sự ảnh hưởng đối với nợ xấu trong hệ thống NHTM Việt Nam Tuy nhiên, các tác giả cũng không tìm thấy mối liên hệ giữa biến nợ xấu của hệ thống ngành ngân hàng đối với quy mô của ngân hàng và cũng như GDP
PHƯƠNG PHÁP NGHIÊN CỨU
QUY TRÌNH NGHIÊN CỨU
Hình 3.1: Quy trình nghiên cứu
Nguồn: Tác giả tự tổng hợp
Bước 1: Trong phần này, tác giả nói về các lý thuyết có liên quan và đánh giá các nghiên cứu trước về đề tài nghiên cứu này Việc này giúp xác định các nhân tố quan trọng và mô hình nghiên cứu, từ đó tạo nền tảng cho các bước tiếp theo của nghiên cứu
Bước 2: Đã xác định các yếu tố quan trọng và thiết lập mô hình cùng phương pháp nghiên cứu dựa trên các nghiên cứu đã thực hiện trước đó Sau đó, thực hiện việc thu thập dữ liệu về các yếu tố nghiên cứu từ các nguồn đáng tin cậy như trang chủ của các NHTM tại Việt Nam, các trang web chuyên về tài chính và ngân hàng như cafef, vietstock, cũng như từ các tổ chức uy tín như World Bank và Tổng cục Thống kê Việt Nam trong khoảng thời gian từ 2012 đến 2023 Tiếp theo, thực hiện quá trình thống kê và phân tích dữ liệu của các biến sau khi đã thu thập từ trước
Bước 3: Đánh giá các biến đã xác định ở giai đoạn thứ hai, dựa vào những nghiên cứu trước đã chỉ ra các giả thuyết về mối liên hệ giữa các biến độc lập và biến phụ thuộc
Bước 4: Dựa trên cơ sở dữ liệu và các phương pháp nghiên cứu ở các giai đoạn trước, tác giả sẽ tận dụng phương pháp thống kê để phân tích mối quan hệ giữa các biến và
Bước 1: Tìm hiểu cơ sở lý thuyết và các nghiên cứuliên quan
Bước 2: Xây dựng hoàn chỉnh mô hình nghiên cứu và phương pháp nghiên cứu Bước 3: Phân tích tác động của các biến đối với mô hình nghiên cứu
Bước 4: Kiểm định bằng mô hình hồi quyBước 5: Phân tích các kết quả đạt được và thảo luậnBước 6: Đưa ra đề xuất gợi ý về chính sách và hạn chế của đề tài kiểm tra hiện tượng đa cộng tuyến Tiếp theo đó, sử dụng phần mềm Stata, tác giả sẽ thực hiện hồi quy dữ liệu bảng theo ba mô hình khác nhau: mô hình Pooled OLS – OLS, mô hình REM và mô hình FEM Để lựa chọn một mô hình tốt nhất, tác giả sẽ so sánh bằng cách sử dụng các kiểm định như F-test, Breusch-Pagan Lagrangian và kiểm định Hausman, nhằm tăng độ tin cậy và phù hợp của kết quả nghiên cứu Ngoài ra, để đảm bảo tính khách quan và hiệu quả cho mô hình, tác giả sẽ kiểm tra và khắc phục các vấn đề như hiện tượng về đa cộng tuyến, cũng như hiện tượng tự tương quan và biến động của phương sai sai số Sau đó, để xử lý vấn đề về biến động của phương sai sai số và hiện tượng tự tương quan, tác giả sẽ áp dụng phương pháp GLS (Generalized Least Squares) trên dữ liệu bảng
Bước 5: Sau khi các mô hình đã được tiến hành và chạy xong, sẽ có thể xác định được mức độ ảnh hưởng của mỗi nhân tố đối với đề tài nghiên cứu Từ đó đưa ra các thảo luận về ảnh hưởng của những biến độc lập tác động theo chiều hướng nào đối với biến bị phụ thuộc
Bước 6: Dựa vào các kết quả này, tác giả có thể mang đến một số gợi ý phù hợp nhằm giảm thiểu tình trạng rủi ro tín dụng của các Ngân hàng Thương mại tại Việt Nam hiện nay, cũng như các giới hạn của mô hình nghiên cứu cùng với hướng nghiên cứu tiếp theo.
MÔ HÌNH NGHIÊN CỨU
Dựa trên việc tìm hiểu lý thuyết nghiên cứu và khảo sát các bài nghiên cứu trước đó, tác giả đã phát triển một mô hình nghiên cứu thích hợp cho phạm vi và không gian của nghiên cứu về tác động của các nhân tố đối với RRTD của các Ngân hàng Thương mại tại Việt Nam Kế thừa các nghiên cứu trước như Hess và cộng sự (2009), Nguyễn Thị Hồng Vinh (2015), Phạm Xuân Quỳnh và Trần Đức Tuấn (2019), Biện Thị Thảo Trang (2019), Ferreira (2022) bằng cách lấy CRI (rủi ro trong tín dụng ngân hàng) làm biến phụ thuộc Mô hình của bài nghiên cứu sẽ được xây dựng như sau:
Biến phụ thuộc 𝑪𝑹𝑰 𝒊,𝒕 : Rủi ro tín dụng ngân hàng (Giá trị trích lập dự phòng rủi ro tín dụng hằng năm t/ Tổng dư nợ ngân hàng cho vay năm t)
𝑪𝑨𝑷 𝒊,𝒕 : Tỷ lệ vốn chủ sở hữu của ngân hàng thứ i năm t
𝑺𝑰𝒁𝑬 𝒊,𝒕 : Quy mô ngân hàng I năm t
𝑳𝑶𝑨𝑵 𝒊,𝒕 : Dư nợ vay trên tổng tài sản của ngân hàng I năm t
𝑮𝑹𝑶𝑾 𝒊,𝒕 : Tăng trưởng tín dụng của ngân hàng thứ i năm t
𝑹𝑶𝑨 𝒊,𝒕 : Khả năng sinh lời của ngân hàng thứ i năm t
𝑰𝑵𝑬𝑭𝑭 𝒊,𝒕 : Hiệu quả chi phí hoạt động của ngân hàng thứ i năm t
𝑰𝑵𝑭 𝒊,𝒕 : Tỷ lệ lam phát năm t
𝛃 𝒊 : Hệ số chặn (Hằng số)
GIẢ THUYẾT NGHIÊN CỨU
Rủi ro tín dụng của ngân hàng (CRI)
Rủi ro tín dụng cho đến nay là rủi ro lớn nhất mà ngân hàng phải đối mặt và sự thành công trong kinh doanh của họ phụ thuộc vào việc đo lường chính xác và việc quản lý hiệu quả (Giesecke, 2004)
Tỷ lệ vốn chủ sở hữu (CAP)
Tỷ lệ VCSH được định nghĩa bằng cách so sánh giữa vốn chủ sở hữu của ngân hàng và tổng tài sản của nó Điều này được xem như một phản ánh của mức độ rủi ro tài chính mà các ngân hàng phải đối mặt Trong cấu trúc vốn của các NHTM, mặc dù vốn chủ sở hữu chiếm một tỷ lệ nhỏ, nhưng nó lại đóng góp một vai trò quan trọng trong việc đối phó với các rủi ro Ngoài ra, một tỷ lệ cao của VCSH so với tổng tài sản không chỉ cho thấy khả năng chịu đựng rủi ro tiềm ẩn cao hơn mà còn phản ánh khả năng sinh lời cao hơn Do đó, tỷ lệ vốn chủ sở hữu trên tổng tài sản được xem là một chỉ số quan trọng để đánh giá khả năng phòng ngừa rủi ro của ngân hàng
𝐓ổ𝐧𝐠 𝐭à𝐢 𝐬ả𝐧 Trong một nghiên cứu của Zribi & Boujelbène (2011), đã được chỉ ra rằng VCSH có mối liên hệ ngược chều đối với rủi ro của ngân hàng Các nghiên cứu của Van Roy (2005), Berger & Bouwman (2013) và cũng như Jacobs & Kinder (2017) đã chứng minh được rằng tỷ lệ vốn có tác động cùng chiều đối với rủi ro tín dụng
Giả thuyết H1: Tỷ lệ vốn chủ sở hữu có tác động cùng chiều đến rủi ro tín dụng
Quy mô ngân hàng (SIZE)
Căn cứ vào nghiên cứu của tác giả Nguyễn Thị Hồng Vinh (2015) cho thấy quy mô của ngân hàng sẽ có ảnh hưởng tích cực đến Tỷ lệ Rủi ro Tín dụng (RRTD) Tuy nhiên, một góc nhìn khác, ALrfai và cộng sự (2022) là việc coi kích thước (SIZE) là một yếu tố giảm áp lực đối với RRTD Quy mô lớn của ngân hàng biểu hiện ở việc có tổng tài sản lớn, điều này cho phép các Ngân hàng Thương mại có điều kiện để cải thiện quy trình tín dụng Đồng thời, quy mô lớn cùng với thị phần cao giúp các Ngân hàng Thương mại có thể đa dạng hóa hoạt động tín dụng của mình, từ đó giúp giảm thiểu rủi ro tập trung tín dụng Sự phát hiện này cũng tương tự như phát hiện của Biện Thị Thảo Trang (2019) Do đó, tác giả hy vọng vào một mối quan hệ đồng biến giữa hai biến này
SIZE = Logarit (Tổng tài sản)
Giả thuyết H2: Quy mô ngân hàng có tác động ngược chiều đến rủi ro tín dụng
Dư nợ vay trên tổng tài sản (LOAN)
Tỷ lệ dư nợ cho vay trên tổng tài sản là một chỉ số quan trọng trong lĩnh vực tài chính Nó đo lường sự quản lý vốn và rủi ro của các TCTD bằng cách so sánh tổng giá trị các khoản vay đã cấp phát với tổng giá trị tài sản mà tổ chức sở hữu hoặc kiểm soát Chỉ số này cung cấp cái nhìn tổng quan về cách mà tổ chức sử dụng vốn và quản lý rủi ro tín dụng Ngoài ra, tỷ lệ này còn phản ánh mức độ sự tin cậy mà tổ chức đạt được và khả năng đối phó với những thách thức tài chính có thể phát sinh trong hoạt động kinh doanh
Phát hiện chủ yếu trong hệ thống ngân hàng của Nga (Pestova và cộng sự, 2011), các ngân hàng Mỹ (Park J.H & Zhang, 2012) và các NHTM tại Việt Nam Biện Thị Thảo Trang (2019) cho thấy một mối tương quan âm, tỷ lệ dư nợ cho vay/ tổng tài sản tác động ngược chiều đến RRTD Khi khoản vay tăng lên, nhờ vào trình độ quản lý RRTD xuất sắc của các nhà quản lý, ngân hàng chứng kiến sự tăng trưởng trong lợi nhuận Điều này thúc đẩy ngân hàng đầu tư vào việc đào tạo cán bộ, bổ sung chi phí giám sát các khoản vay, và cải thiện quá trình thu hồi nợ, qua đó giúp giảm thiểu RRTD
Giả thuyết H3: Dư nợ vay trên tổng tài sản có tác động ngược chiều đến rủi ro tín dụng
Tăng trưởng tín dụng (GROW)
Sự tăng trưởng của tín dụng được định nghĩa là việc cung cấp các khoản vay tăng dần qua từng năm Khi dung lượng tín dụng tăng lên, khách hàng sẽ có cơ hội được tiếp cận với những khoản vay lớn hơn để đáp ứng đa dạng mục đích sử dụng khác nhau Để nổ lực thúc đẩy sự tăng trưởng của tín dụng, các ngân hàng sẽ thường chủ động tập trung vào việc mở rộng ra ngoài phạm vi hoạt động thông thường của họ Tuy nhiên, việc mở rộng phạm vi của hoạt động này có thể nhanh chóng dẫn tới sự sụt giảm dần của lợi tức, tạo ra áp lực để tăng cường cho vay dưới các tiêu chuẩn chấp nhận được Đồng thời, việc mở rộng hoạt động cũng đòi hỏi nguồn nhân lực phong phú hơn, và sự thiếu kinh nghiệm trong số nhân viên có thể tăng nguy cơ của việc cho vay dưới tiêu chuẩn
𝐓ổ𝐧𝐠 𝐝ư 𝐧ợ 𝐧ă𝐦 (𝐭−𝟏) Các nghiên cứu của Louzis và đồng nghiệp (2012), cùng với Castro (2013), đã phát hiện ra một mối quan hệ có chiều hướng trái ngược nhau giữa sự tăng trưởng tín dụng và tỷ lệ nợ xấu Trong nghiên cứu của Keeton (1999) cũng đưa ra kết quả tương tự khi chỉ ra một mối quan hệ đảo ngược ý nghĩa giữa tăng trưởng cho vay và rủi ro tín dụng Nghiên cứu Kharabsheh (2019) cho thấy tăng trưởng tín dụng có tác động ngược chiều đối với rủi ro tín dụng
Giả thuyết H4: Tăng trưởng tín dụng có tác động ngược chiều đến rủi ro tín dụng
Khả năng sinh lời (ROA)
ROA là chỉ số tài chính thường được dùng để đánh giá hiệu suất về hoạt động của một công ty hoặc tổ chức ROA đo lường khả năng của một tổ chức để tạo ra lợi nhuận từ tài sản của mình
𝐓ổ𝐧𝐠 𝐭à𝐢 𝐬ả𝐧 Trong các công trình trước đó, nghiên cứu của tác giả Nguyễn Thị Hồng Vinh (2015) cùng với Zribi & Boujelbène (2011) đã phát hiện ra một mối liên hệ giữa khả năng sinh lời của ngân hàng và nguy cơ RRTD Kết quả từ công trình của Zribi và Boujelbène cũng xác nhận sự tồn tại của mối liên hệ cùng chiều giữa ROA và RRTD, ngụ ý rằng các tổ chức tài chính có lợi nhuận cao thường phải đối mặt với rủi ro tín dụng cao hơn Trong một nghiên cứu khác, ALrfai và cộng sự (2022) đã chỉ ra một hướng kết quả khác biệt trong phân tích hồi quy về RRTD, mặc dù kết quả này không mang lại tính chất thống kê có ý nghĩa đáng kể
Giả thuyết H5: Khả năng sinh lời có tác động cùng chiều đến rủi ro tín dụng
Hiệu quả chi phí hoạt động (INEFF)
Theo Berger & DeYoung (1997), có một liên kết song hành giữa rủi ro tín dụng và hiệu quả chi phí hoạt động của ngân hàng Họ lập luận rằng trong khi giả thuyết "xui xẻo" cho rằng nợ xấu không tồn tại, thì giả thuyết "quản lý kém" lại dự đoán rằng việc kiểm soát chi phí trong hoạt động không hiệu quả sẽ dẫn đến sự gia tăng của nợ xấu và gây ra những chi phí xử lý nợ không hiệu quả Mối quan hệ giữa biến hiệu quả chi phí hoạt động và nợ xấu là ngược chiều Mặc dù giả thuyết "hớt váng" cho rằng việc cố gắng giảm chi phí trong ngắn hạn có thể dẫn đến sự sụt giảm chất lượng của tín dụng theo thời gian, nhưng mối quan hệ giữa hai nhân tố này được nhận định là tích cực
Giả thuyết H6: Hiệu quả chi phí hoạt động có tác động ngược chiều đến rủi ro tín dụng
Tỷ lệ lạm phát (INF)
Sự tăng liên tục của giá cả chung của hàng hóa và dịch vụ trong nền kinh tế tại một thời điểm nhất định được gọi là lạm phát Khi mức độ lạm phát tăng, có thể kéo theo các hậu quả không tốt đối với thị trường của tài chính và gây tổn thất cho nhiều hoạt động kinh tế, bao gồm cả các hoạt động của các tổ chức ngân hàng Sự không ổn định trong giá cả thường buộc nhiều ngân hàng phải tăng lãi suất, cũng như làm tăng thêm chi phí liên quan đến sản xuất Tình trạng này đưa đến khó khăn cho nhiều doanh nghiệp, đặc biệt là khi họ phải đối mặt với áp lực trả nợ ngân hàng và chi phí sản xuất ngày càng gia tăng
INF = Tỷ lệ lạm phát do nhà nước công bố
Mpofu & Nikolaidou (2018)đã chỉ ra rằng tỷ lệ lạm phát sẽ ảnh hưởng không nhỏ đến RRTD Tương tự, Chaibi & Ftiti (2015) cũng nhấn mạnh rằng tỷ lệ lạm phát có ảnh hưởng đến RRTD Nghiên cứu của Nguyễn Thị Hồng Vinh & Nguyễn Minh Sáng (2019) cũng đã khẳng định tác động thuận lợi đến RRTD Ngoài ra, Vo Minh Long và cộng sự
(2020) đã mô tả rằng sự tác động của lạm phát lên nợ xấu nằm trong lĩnh vực NHTM ở Việt Nam sẽ có chiều hướng ngược
Giả thuyết H7: Tỷ lệ lạm phát có tác động cùng chiều đến rủi ro tín dụng
Tăng trưởng kinh tế (GDP)
Tăng trưởng kinh tế, hay còn được biết đến dưới khái niệm Tổng sản phẩm quốc nội (GDP), là sự mở rộng của hoạt động kinh tế trong một quốc gia qua một khoảng thời kỳ nhất định Được xem là chỉ số quan trọng để đánh giá quy mô và sức mạnh của nền kinh tế Trong giai đoạn phát triển kinh tế, các doanh nghiệp thường tập trung vào việc tối ưu hóa sản xuất và kinh doanh, đồng thời đầu tư mạnh mẽ để mở rộng thị trường và cải thiện chất lượng sản phẩm Điều này dẫn đến sự gia tăng đáng kể về nhu cầu vay vốn, cùng với sự tăng trưởng trong doanh thu cũng như lợi nhuận cho cả doanh nghiệp và cá nhân Sự gia tăng này cũng đồng nghĩa với việc cải thiện khả năng chi trả nợ vay của họ Ngược lại, trong thời kỳ suy thoái kinh tế, khi nhu cầu tiêu dùng giảm, doanh nghiệp thường phải đối mặt với tình trạng tăng tồn kho Điều này có thể làm tác động tiêu cực đến lợi nhuận của cả cá nhân và doanh nghiệp, cũng như làm gia tăng khó khăn của việc thanh toán nợ vay Những tình huống bất lợi này cũng tăng nguy cơ, tạo ra các rủi ro mới cho các TCTD
Như đã được nghiên cứu và phân tích bởi tác giả Klein (2013) rằng tăng trưởng kinh tế, biểu hiện qua tăng trưởng GDP, có ảnh hưởng ngược chiều đối với rủi ro tín dụng Trên cơ sở đó, tác giả đưa ra giả thuyết như sau:
Giả thuyết H8: Tăng trưởng kinh tế có tác động ngược chiều đến rủi ro tín dụng
Bảng 3.1 Tổng hợp mô tả các biến đo lường được sử dụng trong nghiên
Ký hiệu Ý nghĩa Phương pháp đo lường
Dấu kì vọng Nghiên cứu trước BIẾN PHỤ THUỘC
CRI Rủi ro tín dụng
Giá trị trích lập dự phòng rủi ro tín dụng hàng năm t / Tổng dư nợ ngân hàng cho vay hàng năm t
Hess và cộng sự (2009) bổ sung thêm
CAP Tỷ lệ vốn chủ sở hữu
Vốn chủ sở hữu/ Tổng tài sản (+)
Van và Roy (2003); Jacob Oduor và cộng sự (2017)
SIZE Quy mô ngân hàng Logarit (Tổng tài sản) (-)
Biện ThịThảo Trang (2019), Alrfai và cộng sự (2022) LOAN
Dư nợ vay trên tổng tài sản
Dư nợ cho vay/ Tổng tài sản (-) Biện Thị Thảo Trang
ROA Khả năng sinh lời
Lợi nhuận sau thuế/ Tổng tài sản (-)
Nguyễn Thị Hồng Vinh (2015), Zribi và Boujelbène (2011),
Tổng dư nợ của NHTM I năm t – Tổng dư nợ NHTM năm (t-1)/ Tổng dư nợ NHTM năm (t-1)
INEFF Chi phí hoạt động hiệu quả
Tổng chi phí hoạt động / Tổng thu nhập (-) Berge và DeYoung
INF Tỷ lệ lạm phát Căn cứ vào tỷ lệ lạm phát
Nhà nước công bố (+) Nguyễn Thị Hồng
Tăng trưởng GDP của Việt Nam từ 2012 -2023 (-) Kosmidou (2008),
Nguồn: Tác giả tổng hợp trong quá trình nghiên cứu
DỮ LIỆU DÙNG TRONG NGHIÊN CỨU
Nghiên cứu này thực hiện việc khảo sát dữ liệu từ năm 2012 đến 2023, với giả định loại bỏ tác động của cuộc khủng hoảng về tài chính trên toàn cầu Dựa trên việc xác định và mô hình hóa các yếu tố chính có ảnh hưởng đối với RRTD của các NHTM tại Việt Nam, phân tích được thực hiện dựa vào phân tích trên một mẫu quan sát gồm 28 ngân hàng thương mại Các ngân hàng này được chọn để tạo cơ sở so sánh, phân tích và thu thập số liệu và thông tin Mẫu dữ liệu được biểu diễn thông qua bảng dữ liệu, trong đó dữ liệu tài chính được thu thập từ các BCTC và báo cáo thường niên, còn dữ liệu vĩ mô được lấy từ tài liệu của Tổng cục Thống kê và báo cáo của NHNN Việt Nam.
KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN
THỐNG KÊ MÔ TẢ
Bảng 4.1 Thể hiện tóm tắt giá trị lớn nhất, nhỏ nhất, độ lệch chuẩn và giá trị trung bình của biến được sử dụng Tên biến
Trung bình Độ lệch chuẩn
Nguồn: Kết quả từ Stata
Bảng 4.1 cung cấp các thông tin trong thống kê mô tả về số lượng quan sát, giá trị trung bình, giá trị nhỏ nhất, giá trị lớn nhất và mức độ sai số của các biến trong khung mẫu nghiên cứu Theo đó, tổng số quan sát đối với cả biến phụ thuộc và biến độc lập là
Rủi ro tín dụng (CRI) của 28 NHTM Việt Nam trong thời kỳ từ 2012-2023 gồm
332 mẫu quan sát, trung bình của các giá trị là 1.357911 với độ lệch chuẩn là 0.545767 Giá trị nhỏ nhất và giá trị lớn nhất lần lượt là 0.6609 và 6.7769 của NHTM Nam Á năm
2013 và NHTM Bảo Việt năm 2022
Tỷ lệ vốn chủ sở hữu (CAP) với 332 mẫu quan sát, trung bình các giá trị là
8.996823 với độ chênh lệch là 3.597744 Giá trị nhỏ nhất và giá trị lớn nhất lần lượt là 4.0618 và 23.8381 của NHTM CP Đầu tư năm 2017 và Phát triển Việt Nam và NHTM
CP Sài gòn Công thương năm 2013
Quy mô ngân hàng (SIZE) với 332 mẫu quan sát, trung bình các giá trị là 32.56818 với độ lệch chuẩn là 1.165246 Giá trị nhỏ và giá trị lớn nhất lần lượt là 30.2175 và 35.372 của NHTM Bảo Việt năm 2012 và NHTM Đầu tư và Phát triển Việt Nam năm
Dư nợ trên tổng tài sản (LOAN) được tính bằng cách chia tổng giá trị dư nợ cho vay cho tổng tài sản, dựa trên 332 mẫu quan sát Trung bình của các giá trị là 58.03283, và độ lệch chuẩn là 11.05888 Giá trị nhỏ nhất là 21.6209, thuộc về NHTM Cổ phần Đông Nam Á năm 2012, và giá trị lớn nhất là 78.806, thuộc về NHTM Đầu tư và Phát triển Việt Nam năm 2020
Tăng trưởng tín dụng (GROW) với 332 mẫu quan sát, trung bình các giá trị là
19.37931 với độ chênh lệch là 15.52953 Giá trị nhỏ nhất và giá trị lớn nhất lần lượt là - 23.3341 và 108.2034 của NHTM CP Hàng hải Việt Nam năm 2012 và NHTM CP Phát triển TP Hồ Chí Minh năm 2013
Khả năng sinh lời (ROA) với 332 mẫu quan sát, trung bình các giá trị là
0.8514488 với độ chênh lệch là 0.6606744 Giá trị nhỏ nhất và giá trị lớn nhất lần lượt là -0.6956 và 3.238 của NHTM CP Quốc dân năm 2023 và NHTM CP Kỹ thương Việt Nam năm 2021
Hiệu quả chi phí hoạt động (INEFF) với 332 mẫu quan sát, trung bình các giá trị là 52.36194 với độ chênh lệch là 16.03395 Giá trị nhỏ nhất là 22.6257 của NHTM
CP Sài gòn năm 2022 và giá trị lớn nhất là 172.2475 của NHTM CP Quốc dân Việt Nam năm 2023
Tỷ lệ lạm phát (INF) với 332 mẫu quan sát, trung bình các giá trị là 3.216114 với độ chênh lệch là 1.992059 Giá trị nhỏ nhất và giá trị lớn nhất lần lượt là 0.19 và 6.81 của INF Việt nam 2020 và INF Việt Nam 2012
Tăng trưởng kinh tế (GDP) với 332 mẫu quan sát, trung bình các giá trị là
5.731958 với độ chênh lệch là 1.591986 Giá trị nhỏ nhất và giá trị lớn nhất lần lượt là 2.58 và 8.02 của GDP Việt nam 2021 và GDP Việt Nam 2022.
PHÂN TÍCH TƯƠNG QUAN
Bảng 4.2 Ma trận tương quan
CRI CAP SIZE LOAN GROW ROA INEFF INF GDP CRI 1.0000
Nguồn: Kết quả từ Stata
Phương pháp phân tích tương quan Pearson được sử dụng để đo lường mức độ tương quan tuyến tính giữa hai biến số Hệ số tương quan của Pearson, thường được biểu thị bằng chữ "r", có giá trị nằm trong khoảng từ -1 đến +1 Khi hệ số là -1, đó chỉ ra mối quan hệ tuyến tính hoàn toàn nghịch đảo, khi là +1 chỉ ra mối quan hệ tuyến tính hoàn toàn đồng biến, và 0 chỉ ra không có mối quan hệ tuyến tính nào giữa các biến
• r = 1: Mối quan hệ tuyến tính hoàn hảo đồng biến Khi một biến tăng, biến kia cũng tăng một cách tương ứng
• r = -1: Mối quan hệ tuyến tính hoàn hảo nghịch đảo Khi một biến tăng, biến kia giảm một cách tương ứng
• r = 0: Hai biến không có mối liên hệ tuyến tính với nhau
• 0 < r < 1: càng gần +1 thì mối quan hệ tương ứng càng mạnh
• -1 < r < 0: càng gần -1 thì mối quan hệ tương ứng càng mạnh, nhưng nó là một mối quan hệ nghịch đảo, tức là khi một biến tăng, biến kia giảm theo tỷ lệ tương ứng Để đánh giá mức độ tương quan giữa các biến, tác giả đã áp dụng ma trận hệ số tương quan bằng việc sử dụng phần mềm Stata Căn cứ vào kết quả từ nhiều nghiên cứu trước, bao gồm nghiên cứu của Wooldrige năm 2002, cho thấy: "Nếu hệ số tương quan giữa các biến lớn hơn 0.8 hoặc nhỏ hơn -0.8, mô hình nghiên cứu sẽ gặp phải hiện tượng đa cộng tuyến."
Theo như bảng 4.2, các cặp biến dao động hiện có hệ số tương quan thấp nhất và cao nhất lần lượt là -0.6922 và cao nhất là 0.2965, vẫn nằm trong phạm vi từ -0.8 đến 0.8 Từ đó, có thể kết luận rằng mô hình nghiên cứu không chứng tỏ sự tồn tại của một mức độ đa cộng tuyến đáng kể.
KIỂM TRA ĐA CỘNG TUYẾN
Hiện tượng khi các biến độc lập trong mô hình có tương quan tuyến tính với nhau thường được gọi là đa cộng tuyến Trong nghiên cứu này, việc kiểm định giả thuyết về sự không xuất hiện của đa cộng tuyến đã được thực hiện bằng cách sử dụng chỉ số VIF, và dưới đây là kết quả thu được ở bảng 4.3 Với chỉ số VIF của mọi biến độc lập đều dưới 4.3 và giá trị Mean VIF là 1.44, nhỏ hơn 2, dựa trên các kết quả thu được, có thể suy ra rằng hiện tượng đa cộng tuyến được quan sát trong cấu trúc mô hình không được coi là nghiêm trọng Do đó, các biến độc lập được chọn để đưa vào mô hình được đánh giá là khá phù hợp để phân tích ảnh hưởng đến rủi ro tín dụng của các NHTM đang hoạt động tại Việt Nam
Bảng 4.3 Kiểm định đa cộng tuyến Variable VIF 1/VIF CAP 1.22 0.821327
Nguồn: Kết quả từ Stata
Với chỉ số VIF của mọi biến độc lập đều dưới 4.3 và giá trị Mean VIF là 1.44, nhỏ hơn 2, dựa trên các kết quả thu được, có thể suy ra rằng hiện tượng đa cộng tuyến được quan sát trong cấu trúc mô hình không được coi là nghiêm trọng Do đó, các biến độc lập được chọn để đưa vào mô hình được đánh giá là khá phù hợp để phân tích ảnh hưởng đến rủi ro tín dụng của các NHTM đang hoạt động tại Việt Nam.
KẾT QUẢ MÔ HÌNH HỒI QUY
4.3.1 Kết quả hồi quy Pool (OLS), FEM và REM
Tác giả đã thực hiện hồi quy dữ liệu bảng theo ba mô hình gồm OLS, FEM và REM Từ kết quả ở bảng 4.4 ta thấy rằng, mô hình Pool OLS có 6 biến mang ý nghĩa thống kê lần lượt là CAP, LOAN, GROW, INEFF, INF và GDP Trong 6 biến gồm 2 biến có ý nghĩa thống kê ở mức 1% là LOAN, GROW; 2 biến có ý nghĩa thống kê đạt ở mức 5% là CAP, GDP và 2 biến có ý nghĩa thống kê đạt ở mức 10% là INEFF, INF Hai biến không có ý nghĩa thống kê trong mô hình Pooled OLS là SIZE và ROA Chỉ riêng có biến INF là tác động cùng chiều đến biến phụ thuộc CRI, còn lại 5 biến CAP, LOAN, GROW, INEFF và GDP thì tác động theo chiều ngược lại với biến phụ thuộc CRI
Bảng 4.1 Kết quả hồi quy mô hình Pooled OLS, FEM và REM
Mô hình Mô hình Pool OLS Mô hình FEM Mô hình REM
Tên biến 𝜷 P- value 𝜷 P- value 𝜷 P- value
*,**,*** lần lượt với mức ý nghĩa 10%, 5%, 1%
Nguồn: Kết quả từ Stata
Trong mô hình Pooled OLS, hệ số R-squared đạt 0.1263, biểu thị cho việc giải thích khoảng 12.63% sự biến đổi của các biến độc lập đối với biến phụ thuộc CRI
Từ bảng 4.4, mô hình FEM có 6 biến độc lập đạt mức ý nghĩa thống kê, bao gồm CAP, SIZE, LOAN, GROW, INF và GDP Trong số đó, CAP, SIZE và GROW có mức ý nghĩa thống kê đạt tại mức 1%; LOAN và GDP có mức ý nghĩa thống kê đạt tại mức 5%; và INF có mức ý nghĩa thống kê đạt tại mức 10% Trong số này, CAP, SIZE và INF có tác động cùng chiều đối với CRI, trong khi LOAN, GROW và GDP có hướng tác động ngược chiều
Trong mô hình FEM, hệ số R-squared đạt 0.1381, biểu thị cho việc giải thích khoảng 13.81% sự biến đổi của những biến độc lập đối so với biến phụ thuộc CRI
Trong mô hình REM, có 4 biến có ý nghĩa thống kê: LOAN, GROW, INF và GDP Trong số đó, LOAN và GROW có mức ý nghĩa thống kê đạt tại mức 1%, GDP có mức ý nghĩa đạt tại mức 5%, và INF có mức ý nghĩa đạt tại mức 10% Trong số bốn biến này, LOAN, GROW và GDP có tác động ngược chiều đối với CRI, trong khi INF có tác động cùng chiều
Trong mô hình FEM, hệ số R-squared đạt 0.0854, biểu thị cho việc giải thích khoảng 8.54% sự biến đổi giữa những biến độc lập ảnh hưởng đến biến phụ thuộc CRI Sau khi tiến hành chạy hồi quy ba mô hình trên, tác giả sẽ tiến hành so sánh và chọn lựa mô hình phù hợp nhất như sau:
* So sánh mô hình Pool OLS và mô hình FEM: Để thực hiện so sánh hai mô hình Pool OLS và mô hình FEM với nhau, tác giả thực hiện kiểm định F-Test với giả thuyết như sau:
H0: Mô hình Pool OLS phù hợp hơn với nghiên cứu (sig > 5%)
H1: Mô hình FEM phù hợp hơn với nghiên cứu (sig < 5%)
Bảng 4.2 Kết quả kiểm định lựa chọn giữa mô hình Pool OLS và mô hình FEM
Kiểm định F-Test Thống kê F P-value
Nguồn: Kết quả từ Stata
Từ bảng kết quả kiểm định (Phụ lục) ta thấy giá trị P-value = 0,0000 < α = 5%
Do đó, bác bỏ giả thuyết H0 với mức ý nghĩa 5%
Vì vậy, mô hình FEM phù hợp hơn so với mô hình Pool OLS
* So sánh mô hình Pool OLS và mô hình REM: Để thực hiện so sánh hai mô hình REM và mô hình Pool OLS với nhau, tác giả thực hiện kiểm định Breusch & Pagan với giả thuyết như sau:
H0: Mô hình Pool OLS phù hợp hơn với nghiên cứu (sig > 5%)
H1: Mô hình REM phù hợp hơn với nghiên cứu (sig < 5%)
Bảng 4.3 Kết quả kiểm định lựa chọn giữa mô hình Pool OLS và mô hình REM
Kiểm định Breusch & Pagan Chi2 P-value
Nguồn: Kết quả từ Stata
Từ bảng kết quả kiểm định 4.3 trên, có thể nhận thấy giá trị P-value bằng 0.0000, nhỏ hơn α = 5% Do đó, chúng ta bác bỏ giả thuyết H0 với mức ý nghĩa 5%
Vì thế, mô hình REM được cho là phù hợp hơn so với mô hình Pool OLS
* So sánh mô hình FEM và mô hình REM: Để so sánh hai mô hình FEM và mô hình REM với nhau, tác giả tiến hành kiểm định Hausman với giả thuyết như sau:
H0: Mô hình FEM phù hợp hơn với nghiên cứu (sig > 5%)
H1: Mô hình REM phù hợp hơn với nghiên cứu (sig < 5%)
Bảng 4.4 Kết quả kiểm định lựa chọn giữa mô hình FEM và mô hình REM
Kiểm định Hausman Chi2 P-value
Nguồn: Kết quả từ Stata
Từ bảng 4.4 kết quả cho nhận thấy giá trị P-value = 0,0000 < α = 5% Do đó, phải tác giả sẽ bác bỏ giả thuyết H0 với mức ý nghĩa 5%
Vì vậy, mô hình REM được xem là phù hợp hơn so với mô hình FEM
Bằng cách so sánh ba kiểm định F-Test, Breusch & Pagan và Hausman, tác giả có thể kết luận rằng mô hình phù hợp nhất trong số ba mô hình là mô hình REM Do đó, tác giả sẽ dùng mô hình REM để kiểm định các khuyết tật của mô hình
4.3.2 Kiểm định các khuyết tật của mô hình
*Hiện tượng tự tương quan Để xác định liệu mô hình có bị ảnh hưởng bởi hiện tượng tương quan hay không, tác giả sẽ áp dụng kiểm định Wooldridge với giả thuyết như sau:
H0: Mô hình không bị hiện tượng tự tương quan (sig > 5%)
H1: Mô hình bị hiện tượng tự tương quan (sig < 5%)
Bảng 4.5 Kết quả kiểm định hiện tượng tự tương quan
Nguồn: Kết quả từ Stata
Từ bảng kết quả 4.5, tác giả thực hiện kiểm định cho thấy giá trị P-value = 0,0365
< α = 5% Do đó, bác bỏ giả thuyết H0 với mức ý nghĩa 5%
Vì vậy, mô hình nghiên cứu bị hiện tượng tự tương quan
*Hiện tượng phương sai Để xác định xem mô hình có hiện tượng tương quan hay không, tác giả sẽ áp dụng kiểm định Modified Ward với các giả thuyết như sau:
H0: Mô hình không bị hiện tượng phương sai (sig > 5%)
H1: Mô hình bị hiện tượng phương sai (sig < 5%)
Bảng 4.6 Kết quả kiểm định hiện tượng phương sai sai số thay đổi
Kiểm định Modified Ward Chi2 P-value
Nguồn: Kết quả từ Stata
Từ kết quả ở bảng 4.6, ta thấy giá trị P-value = 0,0000 < α = 5% Kết luận, bác bỏ giả thuyết H0 với mức ý nghĩa 5%
Vì vậy, mô hình nghiên cứu bị hiện tượng phương sai
Tổng quan, dựa vào trên kết quả của các kiểm định sau, tác giả có thể suy luận rằng mô hình nghiên cứu đang phải đối mặt với hiện tượng tương quan và hiện tượng phương sai Do đó, sẽ thực hiện ước lượng mô hình bằng phương pháp FGLS để khắc phục hai vấn đề này và đảm bảo tính tin cậy cao cho kết quả nghiên cứu
4.3.3 Ước lượng mô hình theo phương pháp GLS
Vì thế, do mô hình tác động cố định gặp phải vấn đề về biến động của sai số và sự tự tương quan, nghiên cứu này đã chọn áp dụng phương pháp GLS để giải quyết những vấn đề này trong mô hình
Dựa vào kết quả của phân tích hồi quy, ta nhận thấy rằng có 6 trong tổng số 8 biến độc lập được sử dụng trong mô hình có ảnh hưởng đến rủi ro tín dụng tại các Ngân hàng Thương mại Việt Nam Cụ thể, có 5 biến độc lập là CAP, LOAN, GROW, INF và GDP đạt ý nghĩa thống kê tại mức 1%, còn biến độc lập INEFF đạt ý nghĩa thống kê tại mức 10% Trái lại, 2 biến độc lập, SIZE và ROA, không có ý nghĩa về mặt thống kê với P-value > 10%
