TỔNG QUAN VỀ NGHIÊN CỨU
Lí do chọn đề tài
Hệ thống NHTM đóng góp một vai trò rất cần thiết và quan trọng đối với sự phát triển của nền kinh tế Việt Nam Ngân hàng được xem là nơi chuyển giao nguồn vốn từ nơi thừa sang nơi thiếu vốn nhằm ổn định nhu cầu Vì vậy, nói rằng NHTM phát triển một cách ổn định là yếu tố chủ chốt quyết định góp phần cho sự phát triển đất nước Theo quan điểm của Kwambai và Wandera (2013) là những NHTM đóng một vai trò quan trọng đối với những nước có nền kinh tế phát triển Hoạt động tín dụng là nghiệp vụ chiếm tỷ trọng cao và mang lại lợi nhuận lớn cho những NHTM Tuy nhiên, hoạt động cho vay kém hiểu quả này vẫn hàm chứa nhiều rủi ro – rủi ro mang tính nghiêm trọng nhất rủi ro tín dụng Chỉ tiêu phản ánh rõ và cụ thể nhất về rủi ro tại ngân hàng là nợ xấu Theo Ahmed và các cộng sự (2006) thì tình trạng nợ xấu ảnh hướng một cách đáng kể đến những hoạt động tại ngân hàng và tình trạng suy giảm phúc lợi kinh tế khi mà tỷ lệ thu hồi các khoản nợ không cao mà nợ xấu càng lớn
Hình 1.1 T ỷ l ệ n ợ x ấ u c ủ a h ệ th ố ng Ngân hàng t ạ i Vi ệt Nam giai đoạ n 2010-
Nguồn: Báo cáo thường niên của NHNN
Theo báo cáo thường niên của Ngân hàng Nhà nước (Hình 1.1), trong 11 năm qua, tỷ lệ nợ xấu của các ngân hàng có nhiều biến động Đặc biệt, vào giai đoạn khủng hoảng kinh tế năm 2012, tỷ lệ nợ xấu tại Việt Nam tăng cao bất thường ở mức 4,08%/năm so với mức 2,86% ở năm 2011 và 2,04% ở năm 2010 Những năm sau, tỷ lệ này có chiều hướng giảm và dần ổn định Tính đến nay, tình hình nền kinh tế Việt Nam và thế giới sau đại dịch Covid - 19 có nhiều bất ổn: nhiều hoạt động kinh doanh bị đình trệ, tốc độ tăng trưởng kinh tế chậm, giá vàng, giá thị trường bất động sản có nhiều biến động, gây ảnh hưởng xấu đến chất lượng tín dụng tại các NHTM Thể hiện qua việc, tỷ lệ nợ xấu năm 2020, bắt đầu tăng ở mức 1,69% so với mức 1,63% ở năm 2019 Vì vậy, trong bối cảnh kinh tế hiện nay, vấn đề nợ xấu ngày càng được Chính phủ, các nhà quản trị ngân hàng quan tâm vì sự ảnh hưởng đáng kể đến hoạt động của toàn hệ thống ngân hàng và nền kinh tế quốc gia Như vậy, việc nghiên cứu, phân tích nguyên nhân gây ra vấn đề nợ xấu của hệ thống ngân hàng là hoàn toàn cần thiết
Bên cạnh đó, trong nước và trên thế giới đã có nhiều bài nghiên cứu được xây dựng nhằm tìm hiểu và phân tích các yếu tố có ảnh hưởng đến tỷ lệ nợ xấu của hệ thống ngân hàng như Amit Ghosh (2015), Nguyễn Thị Ánh Hoa (2021), Phạm Dương Phương Thảo và Nguyễn Linh Đan (2018), Ekanayake và Azeez (2015), Dựa trên các nghiên cứu trước và theo tình hình thực tế các nghiên cứu trên chưa có tính cập trong giai đoạn đại dịch Covid – 19,
Chính vì vậy, tác giả lựa chọn đề tài "Các yếu tố tác động đến tỷ lệ nợ xấu của Ngân hàng Thương mại Cổ phần tại Việt Nam" để làm đề tài khóa luận của mình Thông qua đó, tác giả tiến hành xác định các yếu tố có tác động đến nợ xấu và mức độ tác động của chúng, từ đó đưa ra một số khuyến nghị và đề xuất một số giải pháp nhằm cải thiện khả năng quản trị rủi ro tín dụng và giúp các NHTMCP tại Việt Nam hạn chế vấn đề nợ xấu trong tương lai và đo lường ảnh hưởng để kịp thời đề ra những phương án hợp lý để tỷ lệ nợ xấu giảm thiểu và an toàn.
Mục tiêu nghiên cứu
Bài nghiên cứu nhằm xác định và đánh giá mức độ tác động của các yếu tố có tác động đến tỷ lệ nợ xấu của các Ngân hàng Thương mại Cổ phần tại Việt Nam
Trên cơ sở đó khóa luận đưa ra các đánh giá và khuyến nghị giúp hạn chế nợ xấu ở các Ngân hàng thương mại tại Việt Nam trong tương lai
1.2.2 Mục tiêu cụ thể Để đạt được mục tiêu tổng quát trên, bài nghiên cứu cần đạt được các mục tiêu cụ thể như sau:
1 Phân tích được thực trạng tình hình nợ xấu tại các Ngân hàng TMCP tại Việt Nam;
2 Xác định và đo lường mức độ tác động của các yếu tố ảnh hưởng đến tỷ lệ nợ xấu tại Ngân hàng TMCP tại Việt Nam;
3 Đưa ra các khuyến nghị nhằm hạn chế tỷ lệ nợ xấu tại NHTMCP ở Việt Nam.
Câu hỏi nghiên cứu
Khóa luận tập trung tìm câu trả lời cho các câu hỏi nghiên cứu sau:
1 Tình hình nợ xấu tại các NHTMCP tại Việt Nam đang diễn ra như thế nào?
2 Các yếu tố nào tác động đến tỷ lệ nợ xấu của NHTMCP tại Việt Nam? Mức độ tác động và chiều hướng ảnh hưởng của các yếu tố này như thế nào?
3 Các khuyến nghị nào đưa ra nhằm hạn chế nợ xấu tại NHTMCP ở Việt Nam?
Đối tượng và phạm vi nghiên cứu
1.4.1 Đối tượng nghiên cứu Đối tượng nghiên cứu là nợ xấu của các NHTMCP Việt Nam, các yếu tố vi mô của ngân hàng và yếu tố kinh tế vĩ mô tác động đến nợ xấu, các NHTMCP Việt Nam
Tác giả tiến hành nghiên cứu về nợ xấu của các ngân hàng trong 13 năm từ năm 2010 đến năm 2022 Đây là giai đoạn mà nền kinh tế của Việt Nam và thị trường tài chính có nhiều biến động Năm 2010 khôi phục nền kinh tế giao khủng hoảng tài chính năm 2007 – 2008 Giai đoạn 2020 – 2021 thì Việt Nam đối mặt với dịch Covid – 19 cũng như là những hậu quả mà dịch bệnh để lại và nền kinh tế trên toàn cầu cũng bị ảnh hưởng không nhỏ sau đó khôi phục kinh tế sau dịch bệnh
Tại thời điểm thực hiện bài nghiên cứu, NHNN công bố có tổng cộng 31 NHTMCP tại Việt Nam Tuy nhiên trong quá trình nghiên cứu, do các NHTM không công bố đầy đủ số liệu trên hệ thống cũng như do gặp khó khăn trong quá trình tiếp cận thông tin Nên tác giả chỉ tập trung nghiên cứu trong phạm vi 27 NHTMCP tại Việt Nam có công khai đầy đủ số liệu trong giai đoạn 2010 – 2022.
PHƯƠNG PHÁP NGHIÊN CỨU
1.5.1 Phương pháp thu thập dữ liệu
Các yếu tố vi mô của ngân hàng được tác giả thu thập thông qua báo cáo tài chính và báo cáo thường niên các năm được ngân hàng công bố chính thức Các số liệu vĩ mô như tốc độ tăng trưởng kinh tế GDP và tỷ giá hối đoái EXR được thu thập từ nguồn dữ liệu của Ngân hàng thế giới (WorldBank)
1.5.2 Phương pháp nghiên cứu Để tổng hợp số liệu tác giả đã thông qua phần mềm Excel và sử dụng phần mềm Stata 17.0 để thực hiện phân tích số liệu bằng nhiều phương pháp Dựa trên các nghiên cứu trước, tác giả ước lượng hồi quy theo mô hình ước lượng bình phương bé nhất dữ liệu gộp (Pooled OLS), mô hình tác động cố định (FEM) và mô hình tác động ngẫu nhiên (REM) và sử dụng kiểm định Hausman để chọn ra mô hình phù hợp Nghiên cứu cũng thực hiện kiểm định các khuyết tật của mô hình bao gồm kiểm định tự tương quan, đa cộng tuyến và phương sai sai số thay đổi Bên cạnh đó, bài nghiên cứu có sử dụng biến trễ của biến phụ thuộc làm biến độc lập nên mô hình nghiên cứu có số liệu dạng bảng động (Dynamic panel data) và có khả năng có hiện tượng biến nội sinh Vì vậy, tác giả đã ước lượng mô hình hồi quy theo phương pháp ước lượng tổng quát momen (GMM) và sử dụng kết quả này để đánh giá các yếu tố kinh tế vĩ mô và vi mô có tác động đến tỷ lệ nợ xấu của các NHTMCP tại Việt Nam.
ĐÓNG GÓP CỦA ĐỀ TÀI
Nghiên cứu tổng hợp một số cơ sở lý thuyết về nợ xấu và đánh giá tỷ lệ nợ xấu của các ngân hàng giai đoạn 2010 - 2022 Tiến hành tìm ra các nhân tố vi mô và vĩ mô có tác động đến tỷ lệ nợ xấu của hệ thống ngân hàng Việt Nam
Về mặt lý luận, việc nghiên cứu tìm ra những nhân tố tác động đến tỷ lệ nợ xấu của NHTMCP tuy đã có những nghiên cứu trước đó ở nhiều quốc gia trên thế giới nhưng mỗi kết quả nghiên cứu lại có quá nhiều sự khác biệt Ngoài các nhân tố cơ bản, tác giả đặc biệt quan tâm đến nhân tố tỷ giá hối đoái nhưng lại không tìm thấy qua các bài nghiên cứu tại Việt Nam Vì vậy, bài khóa luận này tác giả mong muốn làm rõ thêm sự tác động của nhân tố đến tỷ lệ nợ xấu tại NHTMCP Việt Nam Bên cạnh đó, dữ liệu phân tích các yếu tố tác động đến tỷ lệ nợ xấu (NLP) sẽ được cập nhật mới nhất ở thời điểm năm 2022 và khoảng thời gian mà tác giả sử dụng nghiên cứu là 13 năm (từ năm 2010 đến 2022) góp phần mở rộng và bổ sung dữ liệu để phù hợp hơn với hiện tại, đi sát với thực tế góp phần xác định những nhân tố ảnh hưởng đến nợ xấu một cách chính xác cao hơn
Về mặt thực tiễn, kết quả nghiên cứu cung cấp bằng chứng thực nghiệm giúp các NHTM ở Việt Nam có cái nhìn toàn diện hơn về phương pháp tiếp cận cũng như đo lường và đánh giá ảnh hưởng của từng yếu tố đến tỷ lệ nợ xấu của NHTMCP Kết quả đạt được từ bài nghiên cứu sẽ làm tiền đề để đưa ra những đề xuất và những chính sách giải pháp hiệu quả cao cho các nhà quản trị, những người quản lý ngân hàng có thể xây dựng những biện pháp hiệu quả và quản lý tốt hơn về nợ xấu và để giảm thiểu nợ xấu trong tương lai giúp duy trì nợ xấu ở mức độ an toàn, kiểm soát được các khoản tín dụng cho vay và định hướng được độ an toàn trong kiểm soát việc đẩy mạnh hiệu quả vay.
KẾT CẤU CỦA KHÓA LUẬN
Ngoài phần mục lục, danh sách các hình và bảng, tài liệu tham khảo được trình bày và trích dẫn theo tiêu chuẩn APA, đề tài được trình bày theo kết cấu 5 chương:
CHƯƠNG 1: TỔNG QUAN VỀ NGHIÊN CỨU
“ Trong chương 1, tác giả trình bày các nội dung, bao gồm (1) lý do lựa chọn đề tài, (2) mục tiêu nghiên cứu, (3) đối tượng nghiên cứu, (4) phạm vi nghiên cứu, (5) phương pháp nghiên cứu, (6) đóng góp của đề tài, (7) bố cục của đề tài.”
CƠ SỞ LÝ THUYẾT VÀ CÁC NGHIÊN CỨU THỰC NGHIỆM
Cơ sở lý thuyết về nợ xấu của ngân hàng thương mại
Nợ xấu trong tiếng anh được gọi là “Non – performing loan” hay được biết đến bằng những từ ngữ khác như là “Bad debt” hoặc “Dounbtful debt” Theo Moh Benny Alexandri and Teguh Iman Santoso (2015) có quan điểm rằng nợ xấu sẽ tác động đến những yếu tố ngoại sinh và nội sinh Còn Mishkin, F (2010) thì cho rằng nợ xấu chỉ là các khoản vay không còn thu hồi được vốn gốc và tiền lãi và có thời gian quá hạn là trên 90 ngày
Theo quan điểm của Ủy ban Basel về giám sát ngân hàng (BCBS): Dù chưa đưa ra một khái niệm khái quát về nợ xấu, nhưng trong các hướng dẫn về các thông lệ chung tại nhiều quốc gia về quản lý rủi ro tín dụng BCBS xác định khoản nợ được coi là không có khả năng hoàn trả khi cả hai điều kiện xảy ra hoặc một trong hai: ngân hàng tình trạng không còn khả năng trả nợ đầy đủ của người vay khi ngân hàng chưa thực hiện hành động gì để cố gắng thu hồi nợ; người vay đã quá hạn trả nợ quá 90 ngày Dựa trên hướng dẫn này thì nợ xấu sẽ bao gồm toàn bộ những khoản vay đã quá hạn 90 ngày và có dấu hiệu người đi vay không trả được nợ
Theo quan điểm của Quỹ Tiền tệ Quốc tế IMF (2004): “Nợ xấu là một khoản vay không sinh lời khi quá hạn thanh toán gốc hoặc lãi 90 ngày trở lên; khi các khoản lãi đã quá hạn 90 ngày hoặc hơn đã được vốn hóa, cơ cấu lại, hoặc trì hoãn theo thỏa thuận; khi các khoản thanh toán đến hạn dưới 90 ngày nhưng có thể nhận thấy những dấu hiệu rõ ràng cho thấy người vay sẽ không thể hoàn trả nợ đầy đủ (người vay phá sản).” Đồng quan điểm với IMF thì AEG (2004) của Liên hợp quốc cho thấy rằng về cơ bản, một khoản nợ được coi là nợ xấu khi quá hạn trả lãi và/hoặc gốc trên
90 ngày, hoặc các khoản lãi chưa trả từ 90 ngày trở lên đã được nhập gốc, tái cấp vốn hoặc chậm trả theo thỏa thuận, hoặc các khoản phải thanh toán đã quá hạn dưới 90 ngày nhưng có lý do chắc chắn để nghi ngờ về khả năng khoản nợ sẽ được thanh toán đầy đủ
Tại Việt Nam, theo quan điểm của NHNN, nợ xấu là các khoản nợ khó đòi khi người vay không còn có thể trả nợ khi đến hạn phải thanh toán theo như hợp đồng tín dụng đã cam kết Cụ thể, nếu quá thời gian quá hạn thanh toán trên 90 ngày thì bị coi là nợ xấu Theo khoản 8 Điều 3 Thông tư 11/2021/TT-NHNN thì nợ xấu (NPL) là nợ xấu nội bảng, gồm nợ thuộc các nhóm 3, nhóm 4 và nhóm 5 được quy định tại Điều 10 Thông tư 11/2021/TT-NHNN
Tóm lại, tổng hợp từ các quan điểm khác nhau ở trên thì ta có thể hiểu rằng nợ xấu là sự mất khả năng trả nợ của người đi vay với thời gian quá hạn thanh toán hơn 90 ngày
Tại Việt Nam, theo Thông tư số 11/2021/NHNN, các tổ chức tín dụng được phân các nhóm nợ thành 5 nhóm như sau: (1) Nhóm 1: Nợ đủ tiêu chuẩn (Các khoản nợ còn thời hạn, có khả năng thu hồi đầy đủ cả gốc và lãi đúng thời hạn); (2) Nhóm 2: Nợ cần chú ý (Các khoản nợ quá hạn dưới 90 ngày, các khoản nợ cơ cấu lại thời hạn và trả nợ trong hạn theo thời hạn nợ đã cơ cấu lại); (3) Nhóm 3: Nợ dưới tiêu chuẩn (Các khoản nợ quá hạn từ 90 đến 180 ngày, các khoản nợ cơ cấu lại thời hạn trả nợ quá hạn dưới 90 ngày theo thời hạn đã cơ cấu lại); (4) Nhóm 4: Nợ nghi ngờ (Các khoản nợ quá hạn từ 181 đến 360 ngày; các khoản nợ cơ cấu lại thời hạn trả nợ quá hạn từ 90 ngày đến 180 ngày theo thời hạn đã cơ cấu lại); (5) Nhóm 5: Nợ có khả năng mất vốn (Các khoản nợ quá hạn trên 360 ngày; các khoản nợ đang chờ Chính phủ xử lý, các khoản nợ đã cơ cấu lại thời hạn trả nợ quá hạn trên
180 ngày theo thời hạn đã được cơ cấu lại) Từ đó, nợ xấu là khoản nợ bao gồm nợ nhóm 3 (Nợ dưới tiêu chuẩn), nhóm 4 (Nợ nghi ngờ) và nhóm 5 (Nợ có khả năng mất vốn)
B ả ng 2.1 B ả ng tóm t ắ t v ề các nhóm c ủ a n ợ x ấ u t ạ i Vi ệ t Nam
Nguồn: Khoản 1 Điều 10 Thông tư 11/2021/TT-NHNN
Trên thế giới, việc phân loại nợ lại có nhiều sự khác biệt giữa các quốc gia Bholat và cộng sự (2016) đã nghiên cứu và phân tích sự khác biệt về phân loại nợ của các nước Cụ thể, tại Úc, Pháp và Liên minh Châu Âu, không có phân loại rõ ràng các nhóm nợ và nợ xấu Thay vào đó, nợ xấu được coi là các khoản nợ bị nghi ngờ khả năng hoàn trả và quá thời hạn thanh toán trên 90 ngày Còn ở các quốc gia khác như Argentina, Trung Quốc, Nhật , các khoản nợ được phân loại thành từ 3 đến 6 nhóm và có nét khá tương đồng (Chi tiết được trình bày tại Bảng 2.2) Như vậy có thể thấy, Việt Nam có cách phân loại nợ khá tương đồng với nhiều đất nước khác trên thế giới, việc này giúp các tổ chức tín dụng dễ dàng quản lý nợ và đưa ra mức dự phòng rủi ro tín dụng phù hợp Từ đó, giúp các ngân hàng hạn chế các rủi ro và tổn thất phải chịu
Bảng 2 2 Phân loại nợ tại các quốc gia trên thế giới
Quốc gia Các nhóm nợ
(1) Nợ đạt tiêu chuẩn; (2) Nợ cần theo dõi; (3) Nợ không đạt chuẩn; (4) Nợ có rủi ro cao; (5) Nợ khó thu hồi; (6)
Nợ không thể thu hồi Úc Nợ xấu là khoản nợ không thể thanh toán được toàn bộ
Nhóm Mức độ Thời gian nợ quá hạn
1 Nhóm nợ đủ tiêu chuẩn 360 ngày khoản vay khi đến hạn, bao gồm cả gốc và lãi mà không bất kể thời gian quá hạn phải là 90 ngày
Các khoản vay được phân loại thành: (1) Nợ quá hạn hơn
90 ngày; (2) Nợ chưa quá hạn 90 ngày nhưng được phân loại E, F, G hoặc H bởi ngân hàng cho vay theo quy định; (3) Nợ tái cơ cấu, phân loại nợ vay theo thang đo 9 cấp (AA, A, B, C, D, E, F, G hoặc H) Trong đó, a) Từ 15 đến 30 ngày: ít nhất là rủi ro B; b) Từ 31 đến 60 ngày: ít nhất là rủi ro C; c) Từ 61 đến 90 ngày: ít nhất là rủi ro D; d) Từ 91 đến 120 ngày: ít nhất là mức độ rủi ro E; e) Từ
121 đến 150 ngày: ít nhất là rủi ro mức F; f) Từ 151 đến
180 ngày: ít nhất là rủi ro G; g) Hơn 180 ngày: Rủi ro H
Các khoản nợ được phân thành: (1) nợ đạt tiêu chuẩn; (2) nợ cần chú ý; (3) nợ không đạt tiêu chuẩn; (4) nợ nghi ngờ; (5) nợ mất vốn
Pháp Khoản nợ vay nghi ngờ là khi người vay không có khả năng thanh toán hoặc khi số tiền đến hạn trên 90 ngày
Indonesia (1) Nợ không đạt tiêu chuẩn; (2) Nợ nghi ngờ; (3) Nợ mất vốn
Nợ vay được phân thành các loại sau: (1) Nợ do bị phá sản hoặc bán phá sản; (2) Nợ nghi ngờ, (3) Nợ cần chú ý đặc biệt và (4) Nợ đạt tiêu chuẩn.”
Theo quy tắc phân loại tài sản, có năm phân loại áp dụng cho khoản vay: (1) Nợ đạt tiêu chuẩn; (2) Nợ cần chú ý; (3) Nợ không đạt tiêu chuẩn; (4) Nợ nghi ngờ và (5) Nợ bị mất vốn
Các ngân hàng phân loại các khoản vay và khoản phải thu dưới 5 nhóm Nhóm 1 - Nợ tiêu chuẩn Nhóm 2 - Nợ đặc biệt chú ý Nhóm 3 - Nợ phục hồi hạn chế: do 91-
180 ngày hoặc kỳ vọng thu hồi hạn chế do vấn đề tài chính và thanh khoản của con nợ Nhóm 4 - Nợ phục hồi đáng ngờ (nghi ngờ): do 181-365 ngày hoặc suy giảm đáng kể trong quá trình tín dụng của con nợ nhưng không được coi là mất mát vì kỳ vọng phục hồi một phần Nhóm 5 - Nợ bị mất vốn: do hơn 365 ngày hoặc không có kỳ vọng phục hồi do sự suy giảm đáng kể trong quá trình tín dụng của con nợ
MÔ HÌNH VÀ PHƯƠNG PHÁP NGHIÊN CỨU
Quy trình nghiên cứu
Để tìm ra chiều hướng, mức độ ảnh hưởng của các yếu tố đến tỷ nợ nợ xấu tại 27 NHTM ở Việt Nam trong giai đoạn 2010 - 2022, thông qua sơ đồ mô tả tiến trình nghiên cứu dưới đây:
Hình 3.1 Sơ đồ mô t ả ti ế n trình nghiên c ứ u
Nguồn: Tác giả tổng hợp
Mô hình nghiên cứu
Khóa luận thực hiện nghiên cứu các nhân tố kinh tế vĩ mô và vi mô ảnh hưởng đến nợ xấu của NHTM ở Việt Nam trong thời gian từ 2010 đến 2022 Dựa trên các nghiên cứu trong và trên thế giới trước đây của Amit Ghosh (2015), Phạm Dương Phương Thảo và Nguyễn Linh Đan (2018), Marcello Bofondi và Tiziano Ropele (2011), Nguyễn Thị Ánh Hoa (2021) và nhiều nghiên cứu trước đó của nhà nghiên cứu khác, cuối cùng khóa luận đã lựa chọn được các nhân tố kỳ vọng có ảnh hưởng đến nợ xấu bao gồm tỷ lệ nợ xấu năm trước, tăng trưởng tín dụng, quy mô ngân hàng, tốc độ tăng trưởng kinh tế, tỷ lệ trích lập dự phòng RRTD, tỷ giá hối đoái và khả năng sinh lời
Từ đó, phương trình nghiên cứu được đưa ra dựa trên biến phụ thuộc và các biến độc lập đã chọn như sau:
B ả ng 3.1 Gi ả i thích các bi ến đượ c s ử d ụ ng trong mô hình
Biến phụ thuộc NPL Tỷ lệ nợ xấu
NPLt-1 Tỷ lệ nợ xấu năm trước
GROW Tăng trưởng tín dụng
SIZE Quy mô ngân hàng
LLR Tỷ lệ trích lập rủi ro tín dụng
BEP Khả năng sinh lời
GDP Tốc độ tăng trưởng kinh tế
EXR Tỷ giá hối đoái
Nguồn: Tác giả tổng hợp
Giải thích các biến và các giả thuyết trong nghiên cứu
Biến phụ thuộc của bài nghiên cứu là tỷ lệ nợ xấu (NPL) của các NHTMCP ở các năm Tỷ lệ nợ xấu được đo lường bằng tỷ lệ phần trăm của nợ xấu trên tổng dư nợ cho vay của ngân hàng Trong đó, theo quy định của NHNN, nợ xấu bao gồm các khoản nợ thuộc nhóm 3, 4 và 5 Là các khoản nợ mà gần như mất khả năng thu hồi vì các lý do mà khách hàng làm ăn thất bại, dẫn đến đóng của hoặc một số nguyên nhân khác dẫn đến không còn khả năng trả nợ Những khoản nợ vượt quá thời hạn thanh toán là 90 ngày thì sẽ được xem là nợ xấu Các khoản nợ này được thu thập từ thuyết minh báo cáo tài chính và tổng dư nợ cho vay được thu thập từ bảng cân đối kế toán của các ngân hàng trong giai đoạn 2010 – 2022.”
NPL = Nợ xấu nhóm 3+Nợ xấu nhóm 4+Nợ xấu nhóm 5
Tổng dư nợ cho vay x 100%
“ Một số nghiên cứu thực nghiệm cho thấy, tỷ lệ nợ xấu của ngân hàng năm trước có tác động tích cực đến tỷ lệ nợ xấu năm sau (Makri và cộng sự, 2014; Nguyễn Dương Diệu My, 2015; Phạm Thị Trang, 2018) Tỷ lệ nợ xấu cao cho thấy ngân hàng chưa có các chính sách quản trị rủi ro hiệu quả, quy trình tín dụng có nhiều bất cập
“Tỷ lệ nợ xấu năm trước (NPL 𝑡−1 ) cũng được tính toán dựa trên nợ xấu so với tổng dư nợ cho vay của ngân hàng Tỷ lệ nợ xấu trong quá khứ thể hiện mức độ quản trị rủi ro yếu kém và sẽ làm gia tăng áp lực cũng như khả năng quản trị nợ xấu ở năm tiếp theo của ngân hàng Vì vậy, nợ xấu năm trước được kỳ vọng có tác động cùng chiều với tỷ lệ nợ xấu hiện tại.”
Giả thuyết H1: Tỷ lệ nợ xấu năm trước tác động cùng chiều với tỷ lệ nợ xấu năm hiện tại
Tăng trưở ng tín d ụ ng
“Tốc độ tăng trưởng tín dụng (GROW) được dùng để đánh giá tốc độ tăng trưởng dư nợ cho vay của ngân hàng Tăng trưởng tín dụng là mục tiêu của hầu hết các NHTMCP, tuy nhiên tăng trưởng tín dụng một cách nhanh chóng và thiếu kiểm soát sẽ gây ảnh hưởng tiêu cực đến khả năng quản lý chất lượng rủi ro, từ đó gia tăng nợ xấu của ngân hàng Các nghiên cứu của Agu và cộng sự (2013), Amit Ghosh (2015) và Nguyễn Thị Ánh Hoa (2021) cũng đã chứng minh rằng tăng trưởng tín dụng có mối quan hệ cùng chiều tỷ lệ nợ xấu Giả thuyết được đề ra trong nghiên cứu là:
Giả thuyết H2: Tăng trưởng tín dụng có tác động cùng chiều với tỷ lệ nợ xấu của ngân hàng thương mại hiện tại
GROW = Dư nợ cho vay kỳ này−Dư nợ cho vay kỳ trước
Dư nợ cho vay kỳ trước
Quy mô ngân hàng (SIZE) được xem là nhân tố quyết định đặc trưng cho danh mục cho vay Tổng giá trị tài sản hiện có của ngân hàng được gọi là quy mô ngân hàng Khi mà ngân hàng có quy mô lớn thường là các ngân hàng đã hoạt động lâu năm, có nhiều kinh nghiệm trong quản lý kinh doanh, sở hữu một bộ máy quản lý rủi ro tốt, đội ngũ điều hành có năng lực Bên cạnh đó, quy mô ngân hàng lớn cũng giúp xây dựng niềm tin của khách hàng và tăng khả năng huy động vốn từ khách hàng Huy động vốn dễ dàng khiến ngân hàng ít tốn nhiều chi phí huy động, chi phí cấp tín dụng cũng thấp hơn, tiếp cận được nhiều khách hàng tốt, giảm nguy cơ đối diện với tình trạng nợ xấu từ đó chứng minh quy mô có mối quan hệ ngược chiều với nợ xấu theo nghiên cứu của Đặng Văn Dân (2018) và Ekanayake và Azeez (2015) Còn đối với các nghiên cứu của Nguyễn Thị Ánh Hoa (2021); Amit Ghosh (2015) thì cho rằng khi một ngân hàng lớn có mục đích cạnh tranh cao và những tham vọng để tìm kiếm được nhiều lợi nhuận hơn từ nhiều dạng khách hàng, làm tăng cho vay đối với các khách hàng xấu, và vì thế nợ xấu gia tăng Từ những nhận xét trên, giả thuyết được đặt ra là:
Giả thuyết H3: Quy mô ngân hàng có tác động ngược chiều với tỷ lệ nợ xấu của ngân hàng thương mại hiện tại
Công thức tính: SIZE = Tổng giá trị tài sản của ngân hàng
T ỷ l ệ trích l ậ p d ự phòng r ủ i ro tín d ụ ng
Trích lập dự phòng rủi ro còn được gọi là trích lập dự phòng RRTD Đây là khoản tiền dùng để bù đắp cho những khoản nợ khó đòi của doanh nghiệp Để ngăn ngừa rủi ro trong các hoạt động tín dụng, nhà quản trị ngân hàng phải thực hiện gia tăng các chi phí liên quan đến việc quản lý các khoản nợ xấu
Hoạt động trích lập dự phòng RRTD (LLR) có tác động trực tiếp đến lợi nhuận của những NHTM, và là nguyên nhân tác động đến quá trình cho vay tại các ngân hàng thương mại, dẫn đến sự gia tăng tỷ lệ nợ xấu Khi những khoản nợ có rủi ro xuất hiện thì ngân hàng sẽ trích lập với tỷ lệ nhất định
Tỷ lệ trích lập dự phòng cho các nhóm nợ xấu khác nhau sẽ được tính dựa trên quy định trích lập dự phòng rủi ro tín dụng, tỷ lệ trích lập cho 5 nhóm nợ như sau:
• Nhóm nợ đủ tiêu chuẩn: r = 0%
• Nhóm nợ dưới tiêu chuẩn: r = 20%
• Nhóm nợ có khả năng mất vốn: r = 100%
Chính vì thế tỷ lệ trích lập dự phòng ngày một tăng lên chứng tỏ những ngân hàng gặp phải tình trạng nợ xấu càng cao Đây là kết luận của Phạm Dương Phương Thảo và Nguyễn Linh Đan (2018) và Amit Ghosh (2015) Cùng với đó có các nghiên cứu cũng khẳng định tỷ lệ trích lập dự phòng RRTD có tác động cùng chiều với tỷ lệ nợ xấu gồm Nguyễn Thị Ánh Hoa (2021); Nguyễn Thị Như Quỳnh và cộng sự, Ekanayake và Azeez (2015), Bài nghiên cứu đề ra giả thuyết nghiên cứu:
Giả thuyết H4: Tỷ lệ trích lập dự phòng rủi ro tín dụng có tác động cùng chiều với tỷ lệ nợ xấu của ngân hàng thương mại hiện tại
Khả năng sinh lời (BEP) được xem là thang đo lường quan trọng đánh giá kết quả tài chính của các NHTM được xác định dựa trên sự kết hợp giữa kết quả kinh doanh và nguồn lực sử dụng Khi BEP cao do chi phí hoạt động cao, nhu cầu vay vốn thấp khiến ngân hàng khó thu hồi vốn dẫn đến tỷ lệ nợ xấu tăng cao BEP có mối quan hệ ngược chiều với biến tỷ lệ nợ xấu
Nghiên cứu của Phạm Dương Phương Thảo và Nguyễn Linh Đan (2018); Đoàn Thanh Hà, Hoàng Thị Thanh Hằng và Bùi Đan Thanh (2020); Nguyễn Thị Ánh Hoa (2021); Agu, Osmond Chigozie, Basil Chuka Okoli (2013); Amit Ghosh (2015) đã tìm thấy được mối quan hệ trái chiều của của các nhân tố đặc trưng xác định khả năng sinh lời như ROA, ROE với NPL Khả năng sinh lời của ngân hàng càng cao thì hiệu quả mang lại càng cao và tỷ lệ nợ xấu thấp Giả thuyết được đặt ra:
Giả thuyết H5: Khả năng sinh lời có tác động ngược chiều với tỷ lệ nợ xấu của ngân hàng thương mại hiện tại
Tốc độ tăng trưởng kinh tế
Tốc độ tăng trưởng kinh tế (GDP) là chỉ tiêu vĩ mô phổ biến để đánh giá tổng quan về tốc độ tăng trưởng của nền kinh tế Khi nền kinh tế gặp khủng hoảng, tình hình tài chính của cá nhân, doanh nghiệp của quốc gia cũng gặp nhiều khó khăn, giảm khả năng thanh toán nợ đúng hạn, do đó làm tăng tỷ lệ nợ xấu Ngược lại, khi nền kinh tế tăng trưởng mạnh và bền vững, tỷ lệ nợ xấu bị giảm do thu nhập của hộ gia đình và doanh nghiệp được cải thiện, tạo điều kiện để hoàn trả nợ Hầu hết các nghiên cứu cho rằng nợ xấu tại ngân hàng có mối quan hệ ngược chiều so với tốc độ tăng trưởng kinh tế Điển hình là các nghiên cứu của Đoàn Thanh Hà, Hoàng Thị Thanh Hằng và Bùi Đan Thanh (2020); Nguyễn Thị Như Quỳnh và cộng sự (2018); Ekanayake và Azeez (2015); Nguyễn Thành Đạt (2018); Amit Ghosh (2015) Như vậy, tốc độ tăng trưởng GDP được kỳ vọng tác động ngược chiều với tỷ lệ nợ xấu.”
Giả thuyết H6: Tốc độ tăng trưởng GDP tác động ngược chiều với tỷ lệ nợ xấu
GDP = GDP năm nay−GDP năm trước
Tỷ giá hối đoái (EXR) là tỷ lệ quy đổi giữa hai đơn vị tiền tệ khác nhau Hay còn được gọi là tỷ giá trao đổi ngoại tệ, tỷ giá Forex, FX hoặc là Agio Tỷ giá hối đoái quyết định mức giá của tiền tệ ngoại tệ khi được quy đổi sang đơn vị tiền tệ khác Đồng thời là thước đo năng lực cạnh trạnh của một quốc gia với nhiều quốc gia trên thế giới và cạnh tranh trong khu vực Một mặt, khi tỷ giá tăng sẽ có thể cải thiện năng lực cạnh tranh của các doanh nghiệp xuất khẩu Bởi khi đó, các doanh nghiệp có thể đẩy mạnh doanh thu nhờ vào chi phí thấp Mặt khác, tỷ giá hối đoái tăng sẽ gây bất lợi đến khả năng trả nợ của các doanh nghiệp có hoạt động nhập khẩu Theo Soeharjoto Soekapdjo và cộng sự (2018), Marcello Bofondi và Tiziano Ropele (2011) cho rằng khi mà đồng đô la tăng thì nợ xấu sẽ tăng có nghĩa là tỷ giá hối đoái tác động cùng chiều với tỷ lệ nợ xấu Nghiên cứu đặt ra giả thuyết là:
Giả thuyết H7: Tỷ giá hối đoái có tác động cùng chiều với tỷ lệ nợ xấu của ngân hàng thương mại hiện tại Chỉ số dùng để đo lường là:
EXR = Tỷ giá hối đoái năm nay − tỷ giá hối đoái năm trước tỷ giá hối đoái năm trước x 100%
B ả ng 3.2 Tóm t ắ t các bi ế n và k ỳ v ọ ng d ấ u c ủ a bi ế n
Các yếu tố ảnh hưởng Kí hiệu Công thức tính
Tỷ lệ nợ xấu NPL NPL = Nợ xấu nhóm 3+Nợ xấu nhóm 4+Nợ xấu nhóm 5
Tổng dư nợ cho vay × 100%
Tỷ lệ nợ xấu năm trước NPL t-1 NPL t−1 = Nợ xấu nhóm 3 + Nợ xấu nhóm 4 + Nợ xấu nhóm 5
Tổng dư nợ cho vay × 100%
Tăng trưởng tín dụng GROW GROW = Dư nợ cho vay kỳ này − Dư nợ cho vay kỳ trước
Dư nợ cho vay kỳ trước (+)
Quy mô ngân hàng SIZE SIZE = Tổng giá trị tài sản của ngân hàng (-)
Tỷ lệ trích lập dự phòng
LLR LLR = Dự phòng RRTD
Khả năng sinh lời BEP BEP =
Tốc độ tăng trưởng kinh tế
GDP GDP = GDP năm nay−GDP năm trước
Tỷ giá hối đoái EXR EXR =
Tỷ giá hối đoái năm nay − tỷ giá hối đoái năm trước tỷ giá hối đoái năm trước × 100%
Nguồn: Tác giả tổng hợp
Dữ liệu nghiên cứu
Các nhân tố vi mô của ngân hàng được thu thập từ báo cáo tài chính và báo cáo thường niên trong giai đoạn 2010 - 2022 của 27 NHTM ở Việt Nam đang được niêm yết trên các sàn chứng khoán như là HOSE, HNX, Upcom Các yếu tố vĩ mô như tốc độ tăng trưởng kinh tế GDP, tỷ lệ lạm phát và tỷ giá hối đoái được thu thập từ số liệu thống kê của Ngân hàng thế giới (World Bank) Dữ liệu được xử lý thông qua 2 phần mềm là Excel và Stata 17.
Phương pháp nghiên cứu
“Sau khi thu thập được số liệu, tác giả sử dụng phần mềm Stata 17.0 để thực hiện xử lý số liệu, kiểm định hiện tượng đa cộng tuyến thông qua chỉ số VIF, và ước lượng mô hình hồi quy theo phương pháp - Pooled Ordinary Least Square (Pooled OLS), mô hình các ảnh hưởng cố định – Fixed Effects Model (FEM), mô hình các ảnh hưởng cố dịnh – Random Effects Model (REM), mô hình Generalized Method of moments (GMM) Đồng thời thực hiện kiểm định các khuyết tật tự tương quan, đa cộng tuyến và phương sai sai số thay đổi của mô hình.”
“Dữ liệu sau khi đưa vào phần mềm Stata, được sử dụng hàm “Sum” để thực hiện thống kê mô tả Kết quả đưa ra bao gồm các thông số như số quan sát, giá trị trung bình, giá trị lớn nhất và nhỏ nhất Từ đó, cho thấy một cách khái quát giá trị của các biến được sử dụng trong nghiên cứu.”
3.5.2 Kiểm định đa cộng tuyến
Khóa luận đánh giá mức độ đa cộng tuyến của biến thông qua chỉ số VIF Thông thường, mô hình có hiện tượng đa cộng tuyến nghiêm trọng khi giá trị VIF của biến lớn hơn 10 và ngược lại Chỉ số VIF giúp khóa luận đánh giá tốt hơn về mức độ tương quan giữa các biến và có thể chọn cách xử lí phù hợp, giúp giảm thiểu hiện tượng đa cộng tuyến
3.5.3 Mô hình ước lượng Để thực hiện đo lường sự ảnh hưởng của các yếu tố nội tại và vĩ mô đến tỷ lệ nợ xấu, tác giả sử dụng 3 mô hình Pooled OLS, FEM, REM
Mô hình hồi quy gộp Pooled OLS
Mô hình Pooled Ordinary Least Square (Pooled OLS) là một phương pháp hồi quy để ước lượng các hệ số của các biến để lựa chọn Các chỉ tiêu thống kê từ mô hình Pooled OLS phản ánh sự tác động của những biến độc lập trên biến phụ thuộc là R - square Khi giá trị của R - square cao có nghĩa là phương sai của biến độc lập Thông qua kiểm định F – test kiểm tra xem mức độ tác động của biến độc lập trên biến phụ thuộc, sẽ không có ý nghĩa về mặt thống kê khi giá trị P – value lớn hơn mức ý nghĩa 5% còn nếu giá trị P – value nhỏ hơn mức ý nghĩa 5% điều đó cho thấy ảnh hưởng của các biến độc lập trên biến phụ thuộc có ý nghĩa thống kê
Một số ưu điểm cho thấy rằng mô hình Pooled OLS là một phương pháp tổng quát như là không có yêu cầu điều kiện đặc biệt hay có thể nói Pooled OLS không đòi hỏi các giả định về sự phân phối của những biến độc lập và biến phụ thuộc, là phương pháp ước lượng đơn giản và tiện lợi, có thể kết hợp tất cả các dữ liệu với nhau không phân biệt giữa thời điểm hay nhóm Tuy nhiên mô hình Pooled OLS là mô hình dữ liệu đơn giản nhất, được sử dụng với giả định không phản ánh được sự khác biệt giữa các đơn vị chéo Đây chính là điểm hạn chế của phương pháp Pooled OLS Để thực hiện ước lượng mô hình Pooled OLS, tác giả sử dụng hàm “reg”
Mô hình tác độ ng ng ẫ u nhiên FEM
Mô hình FEM (Fixed Effects Model) hay còn được gọi là mô hình tác động cố định, một dạng trong phương pháp phân tích hồi quy Được sử dụng để quan sát phát hiện ra sự khác biệt giữa những đơn vị quan sát trong sự liên quan giữa các biến quan sát và biến phụ thuộc
Nó được gọi là mô hình tác động cố định (FEM) vì các giả thuyết cho rằng các nhân tố tác động luôn ổn định và không thay đổi theo thời gian và không gian đồng thời mang tính chất nhất quán và kiểm soát được ảnh hưởng của những nhân tố khác đến kết quả Mô hình FEM xác định những tác động của các nhân tố bằng cách loại bỏ nhiễu từ những nhân tố tác động cố định
Mô hình tác độ ng ng ẫ u nhiên REM
Trong thống kê mô hình REM (Random Effects Model) còn được gọi là mô hình thành phần phương sai, đây là mô hình trong đó những tham số là các biến ngẫu nhiên Mô hình này cho phép xem xét các ảnh hưởng của những nhân tố không ổn định là ngẫu nhiên
Trái ngược lại với mô hình FEM thì mô hình REM có các giả thuyết rằng các yếu tố tác động cố định không được xác định trước mà là ngẫu nhiên REM xử lý các nhân tố tác động cố định bằng cách coi chúng là các biến ngẫu nhiên và giữ lại chúng trong mô hình
3.5.4 Kiểm định các khuyết tật của mô hình
Ki ểm đị nh F – test
Phương pháp kiểm định T-test (còn gọi là phương pháp kiểm định sự khác biệt) được sử dụng để:
• Xác định khác biệt về giá trị trung bình của một tổng thể so với giá trị cho trước nào đó (thường gọi là giá trị trung bình giả thuyết - α hypothesized mean)
• Kiểm định sự khác biệt về giá trị trung bình giữa hai tổng thể trong mẫu Để chọn lựa giữa hai mô hình Pooled OLS và FEM xem mô hình nào là phù hợp với nghiên cứu hơn tiến hành thực hiện kiểm định F – test
Với cặp giả thuyết là:
Giả thuyết H 0 : Lựa chọn mô hình Pooled OLS
Giả thuyết H 1 : Lựa chọn mô hình FEM
Với mức ý nghĩa 𝛼 = 5% Nếu kết quả P-value < 𝛼 thì chấp nhận giả thuyết
𝐻 1 , bác bỏ giả thuyết 𝐻 0 , lựa chọn mô hình FEM và ngược lại, P-value > 𝛼 thì chưa đủ cơ sở để bác bỏ giả thuyết 𝐻 0 , lựa chọn mô hình Pooled OLS
Ki ểm đị nh Hausman Được sử dụng để lựa chọn giữa mô hình FEM hay mô hình REM nào là phù hợp cho nghiên cứu, kiểm định do tác giả Jerry A Hausman xây dựng vào năm
1978 Giả thuyết kiểm định được tóm gọn như sau:
Giả thuyết 𝐻 0 : Ước lượng bằng mô hình REM phù hợp hơn
Giả thuyết 𝐻 1 : Ước lượng bằng mô hình FEM phù hợp hơn
Với mức ý nghĩa 𝛼 = 5% Nếu kết quả P-value < 𝛼, có nghĩa là bác bỏ giả thuyết 𝐻 0 như vậy mô hình REM trong trường hợp này không phù hợp, mô hình nên được sử dụng là FEM
Cuối cùng, để kiểm tra độ vững của mô hình, thực hiện kiểm định hiện tượng tự tương quan trong mô hình
Ki ểm đị nh t ự tương quan Được hiểu là hiện tượng thường xảy ra trong dữ liệu bảng và trong dữ liệu chuỗi thời gian Kiểm định hiện tượng tự tương quan hay tương quan chuỗi trong dữ liệu bảng Giả thuyết như sau:
𝐻 0 : Không có tự tương quan
𝐻 1 : Có hiện tượng tự tương quan
Với mức ý nghĩa 𝛼 = 5% Nếu kết quả P-value < 𝛼, có nghĩa là bác bỏ giả thuyết 𝐻 0 tức là mô hình xảy ra hiện tượng tự tương quan
Ki ểm định phương sai sai số thay đổ i
KẾT QUẢ NGHIÊN CỨU
Tổng quan về tình hình nợ xấu của các NHTMCP tại Việt Nam
Nền kinh tế của một quốc gia sẽ không phát triển bền vững nếu hệ thống tài chính của quốc gia đó hoạt động kém hiệu quả và không ổn định (Badar, Javid, & Zulfiquar, 2013) Hoạt động của NHTM đóng vai trò quan trọng trong việc duy trì ổn định hệ thống tài chính, tuy nhiên bản chất của hoạt động NHTM chứa đựng nhiều rủi ro Một trong những tiêu chí để đo lường mức độ rủi ro của NHTM là chỉ tiêu nợ xấu Thực tế, các NHTM đã rất nỗ lực cải thiện chất lượng tài sản, củng cố tiềm lực tài chính thông qua việc tăng vốn điều lệ, giữ lại lợi nhuận không chia để củng cố nguồn vốn tương lai, tiết giảm chi phí hoạt động Dịch bệnh Covid -19 ảnh hưởng nghiệm trọng đến nền kinh tế trong đó có hoạt động của các NHTM, trải qua nhiều lần dịch bệnh bùng phát buộc các NHTM thận trọng hơn trong hoạt động tín dụng và tăng cường kiểm soát nợ xấu nhằm đảm bảo HĐKD có hiệu quả và ổn định tài chính Tuy vậy, những con số trên vẫn chưa thể hiện đầy đủ thực trạng nợ xấu của toàn ngành do các NHTM đang được phép cơ cấu và giữ nguyên nhóm nợ đối là với khách hàng bị ảnh hưởng bởi dịch Covid - 19 Với phần nhiều các NHTM ghi nhận nợ xấu tăng và đặc biệt tăng mạnh ở khoản nợ có khả năng mất vốn, đã phản ánh phần nào sức khỏe của nền kinh tế Dịch bệnh kéo dài, DN bị gián đoạn sản xuất, đứt gãy dòng tiền, thậm chí là phá sản, dẫn đến mất khả năng trả nợ NHTM
Giai đoạn 2010-2014, tốc độ tăng trưởng tín dụng NHTM cao trong khi quy mô của nhiều NHTM còn nhỏ, dẫn đến RRTD lớn; tỷ lệ cho vay tập trung vào các lĩnh vực phí sản xuất dẫn đến rủi ro thanh khoản do sử dụng nguồn vốn ngắn hạn cho vay trung dài hạn, mất cân đổi cơ cấu tín dụng bất động sản và chứng khoán, hiện tượng bong bóng tài sản Thanh khoản của hệ thống TCTD thiếu hụt nghiêm trọng, tiềm ẩn nguy cơ đổ vỡ hệ thống, các tỷ lệ an toàn vốn của từng NH và hệ thống sụt giảm
Hình 4.1: Dư nợ cho vay và n ợ x ấ u c ủ a 27 NHTM Vi ệt Nam giai đoạ n 2010 –
Nguồn: Báo cáo tài chính của các NHTM
Nợ xấu (NPL) của các NHTM bắt đầu gia tăng về giá trị kể từ năm 2011, các NHTM bắt đầu gặp khá nhiều vấn đề về rủi ro thanh khoản và kết quả HĐKD chững lại Một lượng nợ xấu lớn của các NHTM được ẩn dưới dạng trái phiếu DN (nhất là DNNN, các tập đoàn, tổng công ty), nghiệp vụ ủy thác cấp tín dụng; nợ cấp cho các công ty con, công ty liên kết của NHTM, nợ cấp cho DN mà NHTM nắm quyền kiểm soát nhưng lại không đánh giá, phân loại nợ chính xác Vì thế chỉ cần đúng bản chất và xử lý tận gốc vấn đề, thì mới có khả năng khắc phục bất ổn nội tại của từng NHTM Đây vẫn là điểm nghẽn lớn trong hoạt động NHTM Đến hết quý 4/2013, nợ xấu của các NHTM tăng nhanh và trở thành mối đe dọa đến an ninh hệ thống NHTM và ổn định tài chính quốc gia, các NHTM chú trọng hơn đối với quản lý chất lượng tài sản, từng bước xử lý nợ xấu Do vậy, cơ cấu dư nợ điều chỉnh giảm nhẹ còn 47.11%
Bước sang năm 2014, kết quả xử lý nợ xấu đạt được ấn tượng nhờ sự nỗ lực của toàn hệ thống và bán nợ cho VAMC và toàn hệ thống đang nỗ lực cho mục tiêu đưa nợ xấu về dưới 3% trước cuối năm theo chỉ tiêu Chính phủ giao NHNN tập
Cho vay khách hàng Tỷ lệ nợ xấu trung cùng cố thanh khoản hệ thống NHTM, lành mạnh hóa hoạt động tài chính hướng đến hoàn thiện chuẩn mực Basel II Đến năm 2018, tỷ lệ nợ xấu nội bảng của hệ thống là 1,96% (giảm so với mức 1,96% cuối năm 2017 và 2,46% cuối năm 2016), mức thấp nhất kể từ năm
2012 đến nay và đã về dưới ngưỡng mục tiêu 2% theo Nghị quyết 01/NĐ-CP 2019 ban hành hồi đầu năm, nợ xấu đa phần đã đáng kể so với đầu năm Bên cạnh việc xử lý nợ cũ, các NHTM cần phải kiểm soát chất lượng tín dụng, tránh không để nợ xấu phát sinh thêm
Tỷ lệ nợ xấu của hệ thống các NHTM năm 2020 giảm so với những năm trước, có điều chỉnh tăng nhẹ so với cùng kỳ năm 2019 Có thể thấy hầu hết các NHTM đều tỏ ra thận trọng khi tăng mạnh trích lập DPRR Tuy nhiên, đáng chú ý, một vài NHTM nhỏ báo lợi nhuận tăng bằng lần cũng lại là các NHTM giảm trích lập DPRR Covid – 19 bùng phát kéo dài đã làm tăng trưởng tín dụng của các NHTM sẽ chậm lại khi các NHTM phải đặt vấn đề quản trị rủi ro lên hàng đầu để đảm bảo chất lượng tài sản Giãn cách xã hội ảnh hưởng đến hoạt động SXKD và dòng tiền trả nợ của DN sẽ khiến áp lực trích lập nợ xấu của các NHTM tăng mạnh Việc NHNN cho phép NHTM giữ nguyên nhóm nợ, việc gia hạn nợ cho các DN bị ảnh hưởng bởi Covid – 19 làm cho bức tranh nợ xấu chưa phản ánh đúng thực tế Các NHTM không phải trích lập DPRR, làm giảm chi phí dự phòng, gia tăng lợi nhuận nhưng rủi ro cũng tăng lên Ở giai đoạn 2021 – 2022 nợ xấu có xu hướng tăng rõ rệt tại một số ngân hàng, đặc biệt từ quý 3/2021 Một số ngân hàng có tỷ lệ nợ xấu cao: NCB (25,6%), VietinBank (17.308 tỷ đồng), BIDV (25.970 tỷ đồng), Agribank (25.945 tỷ đồng) Đồng thời cũng ghi nhận một số ngân hàng có tỷ lệ nợ xấu giảm: ABBank (từ 4,5% xuống 3,5%), Eximbank (từ 2,75% xuống 2,64%) Đây là con số cho thấy hệ quả của đại dịch Covid – 19 ảnh hưởng tiêu cực đến khả năng thanh toán của doanh nghiệp và hộ gia đình Theo TS Vũ Đình Ánh, chuyên gia kinh tế nhận định, theo thông lệ quốc tế, khi tỷ lệ nợ xấu vượt quá 3% tổng dư nợ tín dụng cho vay thì nợ xấu trở thành nguy cơ đầu độc không chỉ môi trường tài chính - tín dụng, mà còn cả nền kinh tế Vì vậy, nỗ lực xử lý nợ xấu là nhiệm vụ không chỉ của các tổ chức tín dụng, của ngành ngân hàng, mà là của toàn bộ hệ thống kinh tế - tài chính NHNN cần có các biện pháp kiểm soát chặt chẽ tỷ lệ nợ xấu, hỗ trợ các ngân hàng xử lí nợ xấu Các NHTMCP nâng cao năng lực quản trị rủi ro, tăng cường trích lập dự phòng, đồng thơi thực hiện tái cấu trúc nợ, xử lí nợ xấu,
Kết quả nghiên cứu
Từ các dữ liệu đã thu thập được của các NHTM, tác giả sử dụng phần mềm Stata 17.0 để thực hiện Để có cái nhìn tổng quát tác giả sử dụng phương pháp phân tích thống kê mô tả, kiểm định và ước lượng mô hình Sau đó, thảo luận kết quả nghiên cứu và đối chiếu với các giả thuyết của bài.”
Dữ liệu được thu thập và xử lý những số liệu của 27 NHTM tại Việt Nam trong giai đoạn 2010 – 2022 Kết quả thu được khi thực hiện phân tích thống kê mô tả tương ứng với biến phụ thuộc và những biến độc lập Kết quả thu được thể hiện qua bảng với các chỉ số Obs (số quan sát), Mean (giá trị trung bình), Std dev (độ lệch chuẩn), Min (giá trị nhỏ nhất), Max (giá trị lớn nhất) của từng biến có trong mô hình Kết quả thống kê được thể hiện như sau:
B ả ng 4.1 Th ố ng kê mô t ả
Variable Obs Mean Std dev Min Max
Nguồn: Trích xuất từ phần mềm Stata 17
Bảng 4.1 cho thấy tỷ lệ nợ xấu (NPL t ) trung bình của 27 NHTMCP tại Việt Nam trong giai đoạn 2010 – 2022 với 345 quan sát là 2.18% trên tổng dư nợ, trong đó nợ xấu cao nhất là 17.93% vào năm 2022 của Ngân hàng TMCP Quốc Dân (NVB) và thấp nhất thuộc về Ngân hàng TMCP Tiên Phong (TPB) vào năm 2010 với tỷ lệ nợ xấu là 0.18% Bên cạnh đó, giá trị độ lệch chuẩn là 1.55% đối với giá trị này thì độ lệch chuẩn này cho thấy được mức độ phân tán khá lớn của tỷ lệ nợ xấu các NHTMCP và không có sự thay đổi nhiều qua các năm trong giai đoạn 2010 –
Về các biến độc lập, tỷ lệ nợ xấu năm trước (NPL t-1 ) với số quan sát 344 của các ngân hàng có giá trị trung bình là 2.11% trong đó, giá trị thấp nhất là 0% và giá trị cao nhất là 9.19%, có sự biến động cao với độ lệch chuẩn là 1.29%
Về tăng trưởng tín dụng (GROW) với mẫu quan sát là 343 quan sát có giá trị trung bình là 0.2098, độ lệch chuẩn là 0.1861, giá trị cao nhất thuộc về Ngân hàng TMCP Đông Nam Á (SSB) vào năm 2010 là 1.1309, giá trị thấp nhất là -0.2986 thuộc về Ngân hàng TMCP Tiên Phong (TPB) vào năm 2011 Đối với quy mô ngân hàng (SIZE) với số quan sát là 346 có giá trị trung bình là 18.5972, độ lệch chuẩn là 1.1701 Quy mô ngân hàng có giá trị cao nhất là 21.4750 thuộc về Ngân hàng TMCP Đầu tư và Phát triển (BID) vào năm 2022, giá trị thấp nhất là 15.9227 của Ngân hàng TMCP Bản Việt (BVB) vào năm 2010 Nhìn chung, quy mô của các ngân hàng tăng qua các năm Trong năm 2022, 3 ngân hàng dẫn đầu về quy mô tài sản tại Việt Nam lần lượt là BIDV, VietcomBank và VietinBank
Về trích lập dự phòng RRTD (LLR) với số quan sát là 345 có giá trị trung bình là 1.29%, độ lệch chuẩn là 0.51% cho ta thấy rằng tỷ lệ trích lập dự phòng không có sự thay đổi quá nhiều qua các năm vì đây là tỷ lệ đẹp mà ngân hàng muốn duy trì ở mức độ thấp nhất có thể Giá trị cao nhất là 3.15% thuộc về Ngân hàng TMCP Ngoại thương (VCB) vào năm 2010 Ngược lại, do Ngân hàng Việt Á (VAB) vào năm 2011 không trích lập chi phí dự phòng rủi ro tín dụng nên tỷ lệ này là 0%
Khả năng sinh lời (BEP) với số quan sát là 346 Có giá trị trung bình là 0.0117 và độ lệch chuẩn là 0.0126 khoảng cách giữa giá trị cao nhất là 0.1731 (Ngân hàng TMCP Quân Đội năm 2014) và giá trị thấp nhất là – 0.0551 (Ngân hàng TMCP Tiên Phong năm 2011)
Tốc độ tăng trưởng kinh tế (GDP) với tổng số lượng quan sát là 351 thì có giá trị trung bình là 5.88%, độ lệch chuẩn là 1.53% Tốc độ tăng trưởng GDP có giá trị thấp nhất là 2.58% tương ứng với năm 2021 do nền kinh tế bị ảnh hưởng nặng nề bởi dịch Covid - 19 có nhiều biến động Giá trị cao nhất là 8.02% vào năm 2022 là giai đoạn nền kinh tế Việt Nam đang dần hồi phục sau đại dịch Covid – 19
Tỷ giá hối đoái (EXR) trung bình là 9.9875, độ lệch chuẩn là 0.0623 cho thấy có sự biến động tỷ giá ít giữa các năm, tỷ giá thấp nhất là 8.31616 ở năm 2010 của Ngân hàng TMCP Công thương (CTG) và tỷ giá cao nhất là 10.0550 ở năm
2022 của Ngân hàng Công Thương (CTG)
4.2.2 Phân tích ma trận tương quan mô hình nghiên cứu
B ả ng 4.2 Ma tr ậ n t ự tương quan giữ a các bi ế n trong mô hình nghiên c ứ u
Nguồn: Trích xuất từ phần mềm Stata 17.0
NPL 𝐍𝐏𝐋 𝐭−𝟏 GROW SIZE LLR BEP GDP EXR
Tác giả sử dụng ma trận tự tương quan để kiểm tra mối tương quan giữa các cặp biến trong mô hình nghiên cứu Thông qua bảng 4.2 cho thấy rằng các giá trị tuyệt đối của hệ số tương quan giữa các cặp biến đều khá thấp so với so sánh của Farrar và Glauber (1967), Farrar và Glauber (1967) cho rằng hệ số tương quan dưới 0.8 sẽ không nghiêm trọng Trong khi đó kết quả ma trận tương quan thì 0.3360 là kết quả lớn nhất Vì vậy mô hình không có hiện tượng tự tương quan giữa các biến độc lập và không có hiện tượng đa cộng tuyến nghiêm trọng
4.2.3 Kiểm định hiện tượng đa cộng tuyến Để kiểm định hiện tượng đa cộng tuyến của mô hình, tác giả sử dụng chỉ số phóng đại phương sai VIF (Variance Inflation Factor)
B ả ng 4.3 K ế t qu ả ki ểm đị nh VIF gi ữ a các bi ế n trong nghiên c ứ u
Nguồn: Trích xuất từ phần mềm Stata 17.0
Kết quả từ bảng 4.3 cho thấy, hệ số phóng đại phương sai viết tắt là VIF của những biến độc lập có trong bài đều bé hơn 10 và có mang giá trị trung bình là 1.19, nên mô hình được đánh giá là không thể có khả năng xuất hiện đa cộng tuyến nghiêm trọng
Thực hiện hồi quy lần lượt các mô hình Pooled OLS, FEM, REM với biến độc lập là NPLt-1, GROW, SIZE, LLR, BEP, GDP, EXR và biến phụ thuộc của mô hình là NPL Kết quả ước lượng hồi quy theo mô hình Pooled OLS, FEM và REM được trình bày như sau:
B ả ng 4.4 K ế t qu ả h ồ i quy theo Pooled OLS, FEM và REM
Hệ số Sai số chuẩn Hệ số Sai số chuẩn Hệ số Sai số chuẩn
P - value Prob > F = 0.0000 Prob > F = 0.0000 Pro > chi2 = 0.0000
Ghi chú: ***, **, * lần lượt là mức ý nghĩa 1%, 5%, 10%
Nguồn: Trích xuất từ phần mềm Stata 17.0
Giá trị P – value của mô hình được ước lượng theo 3 phương pháp Pooled OLS, FEM, REM đều là 0.0000, giá trị này nhỏ hơn giá trị ∝ = 0.01, như vậy cho thấy rằng ước lượng của 3 phương pháp này đều có ý nghĩa thống kê
4.2.4.1 So sánh mô hình Pooled OLS và FEM
Thông qua kiểm định F – test ta có các giả thuyết:
𝐻 1 ∶ Lựa chọn mô hình FEM
B ả ng 4.5 K ế t qu ả ki ểm đị nh F - test c ủ a mô hình Pooled OLS và FEM
Nguồn: Trích xuất từ phần mềm Stata 17.0
Thông qua kết quả kiểm định cho thấy, với mức ý nghĩa 𝛼 = 5%, thì giá trị Prob > F = 0.0056 Từ đó ta có thể thấy Prob < 𝛼 nên có thể bác bỏ giả thuyết 𝐻 0
Có nghĩa là mô hình phù hợp hơn là mô hình FEM
4.2.4.2 So sánh mô hình FEM và REM Để khắc phục hạn chế tác giả lựa chọn việc sử dụng giữa mô hình FEM và REM bằng cách thực hiện kiểm định Hausman để tìm kiếm xem mô hình tác động cố định FEM hay mô hình tác động ngẫu nhiên REM là mô hình hồi quy phù hợp nhất với dữ liệu nghiên cứu của bài
Ta có các giả thuyết:
𝐻 0 : Lựa chọn mô hình REM
𝐻 1 ∶ Lựa chọn mô hình FEM
B ả ng 4.6 K ế t qu ả ki ểm đị nh Hausman
Test of H0: Difference in coefficients not systematic
Nguồn: Trích xuất từ phần mềm Stata 17.0
