Tác Động Của Nợ Xấu Đến Khả Năng Sinh Lời Của Các Ngân Hàng Thương Mại Niêm Yết Tại Việt Nam.pdf

GIỚI THIỆU NGHIÊN CỨU

Lý do chọn đề tài

1.1.1 Đặt vấn đề Ở Việt Nam, nền kinh tế được dự báo sẽ tiếp tục đà phục hồi khi dịch bệnh cơ bản được kiểm soát và đang dần chuyển sang trạng thái “bình thường mới” Đối với ngành ngân hàng, vì dư âm từ dịch bệnh còn diễn biến phức tạp; giải ngân đầu tư công vẫn chậm, hoạt động bán lẻ phục hồi chậm do nhu cầu từ người dân vẫn còn yếu Việc thu - chi ngân sách vẫn đối mặt với nhiều thách thức tìm ẩn, việc thu ngân sách Nhà nước thiếu ổn định, song song đó là chi tăng lên để kiểm soát dịch bệnh và phục hồi kinh tế - xã hội Bên cạnh đó, sản xuất công nghiệp và các hoạt động xuất nhập khẩu vẫn phụ thuộc nhiều vào sự hồi phục của các thị trường quốc tế, dẫn đến các doanh nghiệp còn nhiều khó khăn và rủi ro nợ xấu gia tăng Để ứng phó trước tình hình đó, pháp lý ở Việt Nam đã có những có cải cách đến nợ xấu hệ thống TCTD Chính phủ và NHNN đã nỗ lực hoàn thiện và tạo tiền đề cho các khung pháp lý về xử lý nợ xấu và nâng cao chất lượng tài sản hệ thống ngân hàng, cụ thể là Thông tư 11/2021/TT-NHNN về phân loại nợ và trích lập dự phòng, Thông tư 52/2018/TT-NHNN về đánh giá tổ chức tín dụng Đặc biệt trong bối cảnh nền kinh tế nói chung và các doanh nghiệp nói riêng chịu ảnh hưởng to lớn do đại dịch Covid - 19, góp phần tích cực hỗ trợ việc mua bán, cơ cấu nợ của các TCTD được diễn ra nhanh chóng, khách quan, công khai và minh bạch Việc ban hành kịp thời các Thông tư 01, 03 của NHNN đã góp phần giúp đỡ cho các doanh nghiệp giảm cú sốc nợ xấu, đồng thời tiếp tục trích lập dự phòng rủi ro và tiếp cận vốn của người dân, doanh nghiệp trong tình hình dịch bệnh Ngoài ra, Nghị quyết 42 giúp ngân hàng xử lý nợ xấu phát sinh và Thông tư 14 cũng góp phần ngăn nợ xấu mới xuất hiện trên bảng cân đối kế toán Nhờ vậy, trong tình trạng dịch bệnh hay một số doanh nghiệp phá sản thì tỷ lệ nợ xấu nội bảng ngành ngân hàng vẫn trong mục tiêu dưới 3%

Hiện nay, hoạt động kinh tế tiếp tục phục hồi, xong doanh nghiệp vẫn gặp nhiều khó khăn khiến nợ xấu có xu hướng gia tăng Vấn đề nợ xấu có thể trở thành tâm điểm của thị trường tài chính Việt Nam trong năm 2022, khi mà tỷ lệ nợ xấu gộp đang ở mức cao nhất trong vòng 4 năm trở lại đây, phá vỡ thành quả tái cơ cấu các TCTD giai đoạn 2016 – 2020 Nợ xấu nội bảng được dự báo sẽ lên mức 2.3 – 2.5% và nợ xấu gộp sẽ khoảng 6% trong năm 2022, và có thể còn ở mức cao hơn khi từ năm 2024, quy định giữ nguyên nhóm nợ hết hiệu lực (theo Thông tư 14), nếu tình hình phục hồi kinh tế không như kỳ vọng

Chúng ta đều biết vai trò của ngân hàng luôn là một thành phần quan trọng trong nền kinh tế của bất kỳ quốc gia nào kể cả Việt Nam thông qua việc duy trì sự ổn định và phát triển của hệ thống tài chính và kinh tế Ở Việt Nam, các nghiên cứu về nợ xấu tác động đến lợi nhuận của Ngân hàng như thế nào hay các yếu tố ảnh hưởng đến nợ xấu tại các NHTM được đề cập nhiều nhưng việc xem xét mức độ ảnh hưởng của nợ xấu đến KNSL có sự tác động của Covid – 19 thì chưa được đề cập rộng rãi Trong khi thế giới vẫn đang quan tâm đến việc ảnh hưởng của nợ xấu đến các khía cạnh khác nhau trong ngân hàng như thế nào và việc tác động của Covid –

19 đến lợi nhuận ra sao, đặc biệt là khi thế giới vừa trải qua đại dịch và đang trong quá trình phục hồi Vì vậy, tác giả tiến hành phân phân tích đề tài này nhằm làm rõ việc ảnh hưởng của dịch Covid – 19 đến mối quan hệ giữa nợ xấu và KNSL của các NHTM được niêm yết tại Việt Nam

1.1.2 Tính cấp thiết của đề tài

Khởi đầu là những năm 1980 và 1990, các nước ở Châu Á đã chuyển dần sang nền kinh tế thị trường, đây là một xu hướng đáng chú ý nhằm thúc đẩy quá trình tự do hóa kinh tế và tăng cường vị thế của khu vực Từ đó, tạo điều kiện cho sự ra đời của các NHTM cùng với ngân hàng thuộc quyền sở hữu của tư nhân cũng như các ngân hàng có vốn đầu tư nước ngoài Các ngân hàng tại Việt Nam cũng đã cải thiện từ quy mô đến nguồn vốn nhằm đáp ứng đầy đủ các nhu cầu của nền kinh tế với mục đích là tối đa hóa lợi nhuận Hàng loạt các nghiên cứu trên thế giới và Việt Nam về lợi nhuận ngân hàng và các vấn đề xung quanh nó được triển khai trong giai đoạn này, cụ thể: Abdulazeez Y.H Saif - Alyousfi (2022) điều tra về các nhân tố tác động đến lợi nhuận của ngân hàng từ 47 quốc gia châu Á; Yong Tan (2017) quan sát về tác động của cạnh tranh đến lợi nhuận của các ngân hàng Trung Quốc; Naiwei Chen, Hsin-Yu Liang và Min-The Yu (2018) với việc khám phá đa dạng hóa tài sản và lợi nhuận ngân hàng tại ba quốc gia châu Á có hệ thống ngân hàng kép (Dual banking);…Có thể nói, các vấn đề chính mà các ngân hàng quan tâm nhiều là về vốn, khả năng thanh khoản, rủi ro, nợ xấu và sinh lời bởi lẽ đây là các nhân tố tác động chủ yếu đến hoạt động tài chính cũng như lợi nhuận của các ngân hàng

Bắt nguồn từ sự cạnh tranh khốc liệt từ các ngân hàng trong và ngoài nước đã tạo ra những áp lực vô hình cho các ngân hàng tại Việt Nam Các NHTMCP không ngừng chuyển đổi, thực hiện hiện đại hoá để mở rộng thị phần, nâng cao lợi nhuận

Từ đó, thúc đẩy các hành vi chấp nhận thêm nhiều rủi ro về tín dụng và thanh khoản, bao gồm nợ xấu từ cho vay dưới chuẩn, thanh khoản kém từ sử dụng đòn bẩy không hiệu quả,… nhằm đạt được lợi nhuận kỳ vọng Hiểu rõ được những rủi ro đó, hiệp ước Basel III đã được ban hành bởi Ủy ban Basel về giám sát ngân hàng với mục đích chính là cải thiện sự ổn định và an toàn của hệ thống ngân hàng toàn cầu Đồng thời cũng đặt ra một loạt các quy định mới liên quan đến vốn, đòn bẩy (leverage), và tính thanh khoản để đảm bảo rằng các ngân hàng có đủ khả năng chịu đựng và hạn chế rủi ro tài chính Từ đó, cho thấy rằng nợ xấu luôn có ảnh hưởng sâu sắc đến hệ thống ngân hàng trong quá trình hội nhập và phát triển kinh tế Vì thế, ngành ngân hàng luôn được nhà nước quan tâm tới với những chính sách được cập nhật, bổ sung liên tục nhằm có những điều chỉnh phù hợp trong từng hoàn cảnh kinh tế và bối cảnh thị trường tài chính luôn biến động

Có thể nói, hoạt động tín dụng – cho vay đến nay là rủi ro quan trọng nhất mà các ngân hàng phải đối mặt và sự thành công của hoạt động kinh doanh phụ thuộc vào việc đo lường chính xác và quản lý hiệu quả rủi ro này (Giesecke, 2004) Thực tế cho thấy, chúng ta không thể loại bỏ được RRTD mà chỉ có thể làm hạn chế, giảm thiểu tác động của RRTD đến hiệu quả hoạt động của ngân hàng Một khi RRTD xảy ra, hiệu quả hoạt động kinh doanh của ngân hàng sẽ bị sụt giảm đáng kể Từ năm

2012 đến nay, quá trình tái cấu trúc hệ thống NHTMCP liên tục diễn ra nhằm hạn chế RRTD, giảm nợ xấu, tái cơ cấu lại vốn và tài sản, nâng cao năng lực quản trị theo chuẩn mực quốc tế nhằm từng bước gia tăng hiệu quả kinh doanh các NHTMCP cũng như hệ thống ngân hàng Việt Nam

Nợ xấu xuất hiện làm cho nguồn vốn của các NHTMCP bị thất thoát, trong khi đó, các ngân hàng này vẫn phải chi trả tiền lãi cho nguồn vốn huy động làm cho lợi nhuận sụt giảm Hiện nay, nợ xấu đang tăng nhưng tỷ lệ bao phủ nợ xấu lại có xu hướng giảm, đây là một điều đáng lo ngại và rủi ro cho toàn bộ hệ thống TS Nguyễn Hữu Huân, Trưởng Bộ môn Tài chính - Trường đại học Kinh tế TP.HCM cho rằng, rủi ro là khó tránh nếu nợ xấu tăng, tỷ lệ bao phủ dự phòng giảm trong khi đó Ngân hàng đang dần cạn “của để dành” để trích lập thêm dự phòng rủi ro và chi phí hoạt động trong năm nay lại khá cao nên buộc lòng trích giảm dự phòng Tỷ lệ bao phủ nợ xấu tăng vọt, điển hình như một số ngân hàng lớn như Vietcombank năm 2021 là 424%, BIDV và Agribank lần lượt đạt 235% và 140%; Techcombank với tỷ lệ là 160,8%; MBBank trên 250%, ACB tăng lên 198%, …

Nợ xấu vẫn là bài toán khó đặc biệt đối với lĩnh vực Ngân hàng vì rủi ro mà nó đem lại Hơn nữa, nền kinh tế Thế giới nói chung và Việt Nam nói riêng vừa trải qua một cú sốc kinh tế lớn là dịch bệnh Covid – 19 trong giai đoạn từ năm 2019 đến

2022 Điều này tạo cơ hội cho nợ xấu “bành trướng” và ảnh hưởng nặng nề lên hệ thống toàn ngành Ngân hàng khi nguồn trả nợ của khách hàng bị tê liệt trong khoản thời gian dài Tính cấp thiết của vấn đề này càng rõ ràng hơn khi trong vòng 2 năm NHNN đã ban hành thông tư 03/2021/TT-NHNN - bổ sung, sửa chữa thông tư 01/2020/ TT-NHNN với nội dung là cơ cấu lại thời hạn trả nợ, miễn, giảm lãi, phí, giữ nguyên nhóm nợ, trích lập dự phòng rủi ro nhằm hỗ trợ khách hàng chịu ảnh hưởng bởi dịch Covid - 19 Hơn ai hết những cấp lãnh đạo đã thấy được rủi ro tín dụng tiềm ẩn trong giai đoạn này; tuy nhiên, việc nghiên cứu và phân tích nợ xấu trong giai đoạn nền kinh tế đang suy thoái bởi dịch bệnh chưa được mở rộng nghiên cứu trên Thế giới và đặc biệt là ở Việt Nam với quy mô mở rộng cho các Ngân hàng thương mại để thể hiện bức tranh rõ nét nhất về rủi ro tín dụng trong giai đoạn Covid – 19

Có thể nói, nếu tỷ lệ nợ xấu quá cao sẽ ảnh hưởng đến uy tín, niềm tin vào tiềm lực tài chính của ngân hàng bị suy giảm, dẫn đến giảm khả năng huy động vốn của ngân hàng, nghiêm trọng hơn tỷ lệ nợ quá cao có thể dẫn đến mất khả năng thanh khoản, đẩy ngân hàng đến bờ vực phá sản và đe dọa đến sự ổn định của toàn bộ hệ thống ngân hàng Hơn nữa, đại dịch Covid – 19 cũng diễn ra trong giai đoạn nghiên cứu từ năm 2012 đến năm 2022 đã gây ra nhiều biến động cho nền kinh tế và hoạt động kinh doanh của các NHTM tại Việt Nam Do đó, nhận thức được tầm quan trọng của việc đánh giá về mức độ ảnh hưởng của nợ xấu trong giai đoạn có dịch bệnh Covid đến hiệu quả hoạt động kinh doanh của các NHTMCP Việt Nam bên cạnh các yếu khác như yếu tố nội bộ của các định chế tài chính hay yếu tố thị trường tác giả chọn viết về “Nợ xấu tác động đến khả năng sinh lời của các NHTM niêm yết tại Việt Nam” Nhằm tìm hiểu xem việc giảm tỷ lệ nợ xấu có làm gia tăng lợi nhuận của các NHTM được niêm yết, tác giả tiến hành phân tích với biến chính là nợ xấu Sau đó, tác giả sẽ hướng tới việc xem xét tác động của nợ xấu có sự tác động của biến điều tiết Covid - 19 đến KNSL của các NHTM tại Việt Nam.

Mục tiêu của đề tài

Mục tiêu chính của chủ đề nghiên cứu là đánh giá tác động của nợ xấu đến KNSL và vai trò điều tiết của Covid đối với tác động trên của 28 NHTM tại Việt Nam trong giai đoạn 2012 – 2022 Cuối cùng là đưa ra một số hàm ý về chính sách cho Nhà nước và các nhà quản trị NHTM về nợ xấu nhằm nâng cao hiệu quả kinh doanh cũng như gia tăng được lợi nhuận cho các NHTM tại Việt Nam

Qua mục tiêu tổng quát nói trên, tác giả hướng đến các mục tiêu cụ thể cần nghiên cứu trong đề tài này như sau:

- Xác định được chiều hướng và mức độ ảnh hưởng của nợ xấu cũng như một số biến nghiên cứu liên quan đến KNSL của các NHTM

- Xác định và phân tích vai trò điều tiết của Covid – 19 trong mối quan hệ giữa nợ xấu và khả năng sinh lời của các NHTM

- Đề xuất hàm ý chính sách nhằm nâng cao KNSL cho các NHTM Việt Nam nói chung.

Câu hỏi nghiên cứu

Từ các mục tiêu nghiên cứu nêu trên, đề tài trả lời các câu hỏi nghiên cứu sau:

- Mức độ và chiều hướng ảnh hưởng của nợ xấu và một số biến nghiên cứu liên quan đến KNSL của các NHTM là như thế nào?

- Vai trò điều tiết của biến điều tiết Covid – 19 trong mối quan hệ giữa nợ xấu và khả năng sinh lời của các NHTM là như thế nào?

- Những hàm ý chính sách quản trị nào về nợ xấu được đề xuất nhằm gia tăng lợi nhuận cho các NHTM niêm yết tại Việt Nam?

Đối tượng và phạm vi nghiên cứu

Trọng tâm của khóa luận là nghiên cứu về tác động của nợ xấu đến khả năng sinh lời của các NHTM niêm yết tại Việt Nam và vai trò điều tiết của dịch bệnh Covid – 19 trong giai đoạn 2012 – 2022

- Phạm vi không gian: nghiên cứu được tập trung thực hiện tại Việt Nam với 28 NHTM đại hiện cho tổng số 31 NHTM cổ phần tại Việt Nam Các NHTM được chọn này đã được niêm yết trên các sở giao dịch chứng khoán hàng đầu tại Việt Nam, bao gồm HOSE, HNX và UPCOM vì đã đáp ứng các điều kiện quan trọng như hoạt động liên tục trong suốt thời gian tìm hiểu, có đầy đủ các báo cáo tài chính được kiểm toán công khai, minh bạch Việc lựa chọn này đã giúp đảm bảo được tính chính xác và độ tin cậy của đề tài

- Phạm vi về thời gian: dữ liệu được sử dụng trong bài là dữ liệu thứ cấp được thu thập từ các BCTC của 28 NHTM tại Việt Nam trong giai đoạn 2012 - 2022

Lý do tác giả chọn giai đoạn này, thứ nhất vì đây là giai đoạn mà các NHTM đều ghi nhận những thời điểm tăng trưởng đáng kể từ những ngày đầu gia nhập vào thị trường chứng khoán Thứ hai, đây cũng là giai đoạn mà NHNN đã tập trung áp dụng các tiêu chuẩn quản trị các NHTM theo chuẩn Basel của toàn cầu, bắt đầu mở ra một kỷ nguyên khu vực hóa, toàn cầu hóa Quan trọng hơn hết là vì đây cũng là giai đoạn mà nền kinh tế Việt Nam trải qua nhiều biến động trong nhiều lĩnh vực, đặc biệt là khủng hoảng từ dịch bệnh Covid – 19 và cũng là tín hiệu đầu tiên cho đợt suy thoái kinh tế toàn cầu sắp diễn ra sau giai đoạn phục hồi từ dịch bệnh Từ đó, cho thấy được sự cấp thiết của việc đánh giá và đưa ra những chiến lược phù hợp giúp cải thiện nền kinh tế nói chung và các NHTM nói riêng Có thể nói, giai đoạn 2012 – 2022 cũng là cơ hội giúp tác giả phân tích, đánh giá từ những phản ánh rõ rệt từ tác động của nợ xấu đến KNSL của các NHTM niêm yết tại Việt Nam.

Phương pháp nghiên cứu

Nguồn dữ liệu để thực hiện khóa luận là dữ liệu thứ cấp được thu thập từ báo cáo tài chính hợp nhất đã được kiểm toán của 28 NHTM cổ phần Việt Nam được công bố trên webiste của các ngân hàng này và FiinPro trong khoảng thời gian 11 năm từ 2012 – 2022, trong đó:

Phương pháp nghiên cứu chủ yếu là định lượng, dựa trên cơ sở mô hình xây dựng từ cơ sở lý thuyết và các nghiên cứu trước, tác giả thực hiện phân tích hồi quy đa biến sử dụng dữ liệu bảng cân bằng để đánh giá tác động của nợ xấu đến KNSL của các NHTM thông qua phần mềm STATA, cụ thể: nghiên cứu dựa trên dữ liệu thứ cấp từ các báo cáo tài chính hợp nhất hàng năm của 28 NHTM từ năm 2012 đến năm 2022 và sử dụng mô hình hồi quy đa biến Để phân tích các yếu tố, tác giả sẽ chạy ba mô hình hồi quy, đó là mô hình hồi quy bình phương bé nhất dạng gộp (Pooled OLS), mô hình tác động cố định (FEM), mô hình tác động ngẫu nhiên (REM) và thực hiện các kiểm định để lựa chọn mô hình phù hợp nhất Sau khi chọn được mô hình tối ưu nhất, tác giả kiểm tra lại các khuyết tật của mô hình thông qua các kiểm định như hiện tượng tự tương quan và hiện tượng phương sai sai số thay đổi Khi phát hiện có những khuyết tật trên, tác giả sử dụng mô hình hồi quy theo phương pháp bình phương bé nhất tổng quát (FGLS) để khắc phục và từ đó đưa ra phương trình cuối cùng Từ đó, khóa luận tiến hành thảo luận và phân tích từng kết quả phân tích.

Nội dung nghiên cứu

Khóa luận đề cập đến tác động của nợ xấu đến hiệu quả hoạt động của các NHTM cổ phần niêm yết tại Việt Nam thông qua lợi nhuận Khóa luận sử dụng mô hình phân tích định lượng để làm rõ tác động của nợ xấu đến lợi nhuận của các NHTM cổ phần Việt Nam trong giai đoạn 2012 – 2022 và có xét đến tác động của dịch bệnh Covid – 19 Từ kết quả phân tích, khóa luận sẽ đề xuất những khuyến nghị phù hợp để nhằm giúp các NHTM Việt Nam nâng cao KNSL cho các ngân hàng.

Đóng góp của đề tài

Đề tài mang đến những giá trị thiết thực cho các NHTM tại Việt Nam, các cơ quan quản lý và những nhà phân tích trong lĩnh vực Tài chính – Ngân hàng Đề tài đóng góp cho lĩnh vực này bằng việc bổ sung các bằng chứng thực nghiệm về mức độ ảnh hưởng của nợ xấu đến KNSL của các NHTM tại Việt Nam trong giai đoạn 2012 – 2022 có xét đến tác động của dịch bệnh Covid – 19 Nội dung nghiên cứu được kiểm tra thông qua bốn mô hình là Pooled OLS, FEM, REM và FGLS để rút ra các kết luận mang tính tương đối chuẩn xác về mức độ tác động của nợ xấu đến KNSL của ngân hàng bối cảnh nền kinh tế Việt Nam gặp nhiều biến động Thông qua kết quả đó, sẽ giúp cho sự phát triển và tiếp tục mở rộng cho các nghiên cứu sau này và có liên quan đến nợ xấu và lợi nhuận của các NHTM

Bài khóa luận tốt nghiệp sẽ góp phần đi sâu vào phân tích chiều hướng và mức độ tác động của nợ xấu đến KNSL của các NHTM và có xét đến tình hình hoạt động trước – sau đại dịch Covid – 19 thông qua những đánh giá từ lý thuyết về nợ xấu cũng như cách đo lường nhân tố này đối với lợi nhuận Từ đó, xây dựng mô hình kiểm định tối ưu nhất nhằm đánh giá ảnh hưởng của nợ xấu đến KNSL của các NHTM Đây cũng là cơ sở nhằm giúp cho các nhà quản trị ngân hàng và các nhà làm chính sách, các nhà giám sát về lĩnh vực ngân hàng có thể bổ sung thêm một số kiến thức về mối quan hệ của nợ xấu đối với lợi nhuận của các NHTM tại Việt Nam Qua đó, tác giả cũng hỗ trợ đề xuất một số hàm ý về chính sách quản trị, các chiến lược phát triển mới nhằm nâng cao, cải thiện lợi nhuận cho các NHTM trong tương lai.

Cấu trúc của bài nghiên cứu

Bên cạnh các nội dung phụ như phần tóm tắt, các danh mục, tài liệu kham khảo và phụ lục, … thì nội dung chính của bài khóa luận được thực hiện theo cấu trúc gốm 05 chương như sau:

Chương 1: Giới thiệu nghiên cứu

Chương 1 đề cập đến tính cấp thiết của đề tài từ đó đưa ra được lý do để chọn đề tài nhằm xác định được mục tiêu chung và từng mục tiêu cụ thể Từ các mục tiêu đã đề ra tác giả tiến hành đặt ra các câu hỏi nghiên cứu tương ứng với từng đối tượng và phạm vi tìm hiểu nhằm tiếp cận vấn đề một cách rõ ràng, đầy đủ nhất Đồng thời, xác định các phương pháp tính toán phù hợp và trình bày ý nghĩa cũng như tính đóng góp của đề tài Cuối cùng là trình bày bố cục tổng thể của đề tài

Chương 2: Cơ sở lý luận và tổng quan nghiên cứu

Chương 2 sẽ trình bày các lý thuyết nền tảng và các phương pháp đo lường về tác động của nợ xấu đến KNSL của ngân hàng Thông qua việc lược khảo các nghiên cứu trước trên thế giới và tại Việt Nam về chủ đề liên quan, tác giả xem xét, đánh giá và lấy làm cơ sở để thiết lập mô hình mang tính thực nghiệm liên quan với yếu tố nợ xấu đối với lợi nhuận của ngân hàng

Chương 3: Phương pháp nghiên cứu

Chương 3 sẽ trình bày về quy trình nghiên cứu của các mô hình, các giả thuyết, phương pháp nghiên cứu và các phương pháp phân tích dữ liệu Cụ thể là cách xác định mẫu, cách thu thập dữ liệu và cách sử dụng nó trong mô hình Từ đó, tiến hành chạy mô hình hồi quy và kiểm định nhằm đề xuất các giả thuyết về các biến nội tại và vĩ mô phù hợp nhất với mục tiêu, phạm vi và đối tượng xem xét

Chương 4: Kết quả nghiên cứu và thảo luận

Trình bày về kết quả của các phân tích và kiểm định các tác động của nợ xấu đến KNSL của ngân hàng Từ kết quả của phân tích tương quan mô hình nghiên cứu, kiểm định các giả thiết hồi quy, tác giả tiến hành các so sánh đối chiếu để lựa chọn mô hình phù hợp Do đó, xác định được yếu tố nào thực sự tác động đến nợ xấu và chiều hướng tác động của chúng

Chương 5: Kết luận và khuyến nghị

Từ cơ sở lý thuyết và kết quả đã được trình bày ở chương 4, đến chương 5 tác giả sẽ tổng hợp kết quả nghiên cứu và đề xuất các hàm ý quản trị về việc quản lý nợ xấu nhằm đảm bảo lợi nhuận cho các NHTMCP Việt Nam Sau khi đã hoàn thành nghiên cứu, tác giả trình bày những hạn chế của quan sát và đưa ra những định hướng khai thác mới góp phần hoàn thiện hơn cho những nghiên cứu tiếp theo và mong muốn nâng cao việc hạn chế nợ xấu để gia tăng hiệu quả kinh doanh tại các NHTM

Chương 1 đã chỉ ra được tầm quan trọng cũng như tính cấp thiết từ việc phân tích tác động của nợ xấu đến hiệu quả hoạt động của các NHTM niêm yết tại Việt Nam Từ việc tổng quan quá trình thực hiện đề tài, tác giả đã đưa ra được lỗ hổng cho bài nghiên cứu này Từ đó, xác định được mục tiêu phân tích tổng quát cho đến cụ thể và kỳ vọng sẽ được giải quyết thông qua các câu hỏi, vấn đề được đặt ra Dựa trên dữ liệu là 28 NHTMCP Việt Nam trong giai đoạn 2012 – 2022 cùng với việc kế thừa từ các nghiên cứu trước, tác giả sử dụng phương pháp nghiên cứu hỗn hợp và chủ yếu là phương pháp định lượng để xác định tác động của nợ xấu đến KNSL của Ngân hàng, trong đó có xét đến tác động của dịch Covid – 19 Phần cuối của chương này là trình bày bố cục của khóa luận bao gồm 05 chương và tóm tắt sơ lược về nội dung cũng như cách tiếp cận của mỗi chương.

CƠ SỞ LÝ THUYẾT VÀ TỔNG QUAN NGHIÊN CỨU

Khái quát về nợ xấu và khả năng sinh lời của ngân hàng thương mại

2.1.1 Khái quát về nợ xấu

Việc bảo vệ khỏi sự bất ổn tài chính càng trở nên quan trọng hơn sau cuộc khủng hoảng tài chính toàn cầu 2007 - 2008 gây ra tổn thất to lớn trên toàn thế giới (Mamatzakis & Bermpei, 2014) Vì vậy, người ta đặc biệt chú ý đến sự bất ổn tài chính và nguyên nhân của nó Chấp nhận rủi ro quá mức là yếu tố chính góp phần gây mất ổn định cho toàn bộ hệ thống ngân hàng (Berger, El Ghoul, Guedhami, & Roman, 2017) Thật vậy, trong quá trình hoạt động, ngân hàng phải đối mặt với nhiều loại rủi ro khác nhau như rủi ro tín dụng, rủi ro thanh khoản, rủi ro lãi suất, rủi ro hoạt động Đồng thời, việc tự do hóa thị trường tài chính của các nước đã dẫn đến việc các NHTM mở rộng tín dụng, từ đó đã dẫn đến cuộc khủng hoảng tài chính toàn cầu trong hai thập kỷ qua (Cingolani, 2013) Do đó, đòi hỏi Các chính trị gia, nhà quản lý kinh tế và ngành ngân hàng thường cần phải đối mặt với những thách thức và cơ hội đặc biệt của quá trình tự do hóa tài chính Một trong những ảnh hưởng chung và đặc biệt quan trọng mà các Ngân hàng có thể trải đó là sự tự do hóa tài chính có thể làm tăng khả năng cạnh tranh dẫn đến các NHTM hạ thấp quá mức các tiêu chuẩn cho vay dẫn đến rủi ro tín dụng ngày càng cao và làm nguy cơ nợ xấu ngày càng gia tăng (Salas và Saurina 2002)

Theo như chuyên gia tư vấn Advisory Expert Group của Liên Hợp Quốc (AEG 2004): “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 thuân; hoặc các khoản phải thanh toán đã quá hạn dưới 90 ngày nhưng có lý do chắc chắn để nghi ngờ về khả năng khoản vay sẽ được thanh toán đầy đủ"

Trong khi đó, theo như Ủy ban Basel về giám sát Ngân hàng (BCBS), trong các hướng dẫn về việc quản lý rủi ro tín dụng, BCBS đã xác định, việc khoản nợ bị coi là không có khả năng hoàn trả khi một trong hai hoặc cả hai điều kiện sau xảy ra: ngân hàng thấy người vay không có khả năng trả nợ đầy đủ khi ngân hàng chưa thực hiện hành động gì để cố gắng thu hồi; người vay đã quá hạn trả nợ quá 90 ngày

Tại Việt Nam, theo khoản 8 Điều 3 Thông tư 11/2021/TT - NHNN, nợ xấu nội bảng gồm nợ thuộc các nhóm 3, 4 và 5 quy định tại Điều 10 Thông tư 11/2021/ TT- NHNN Căn cứ vào thời gian quá hạn và khả năng trả nợ của khách hàng để phân loại nợ xấu thành 3 nhóm: nhóm 3 (dưới chuẩn), nhóm 4 (nghi ngờ) và nhóm 5 (có khả năng mất vốn) Có thể nói, nợ xấu được hiểu là các khoản nợ khó đòi khi người vay không thể trả nợ khi đến hạn thanh toán như đã cam kết trong hợp đồng tín dụng Cụ thể, nếu thời gian thanh toán bị quá hạn vượt quá 90 ngày thì bị coi là nợ xấu

Tóm lại, để đánh giá chất lượng hoạt động tín dụng của các NHTM thì cần phải xem xét đến yếu tố nợ xấu Việc này sẽ giúp phản ánh chính xác sức khỏe tài chính cũng như tiềm lực tài chính của các Ngân hàng Việc nợ xấu tăng cao gây ra nhiều thiệt hại tài chính do việc giảm gía trị tài sản cũng như mất mát từ việc không thu lại được số tiền nợ; ảnh hưởng đến khả năng huy động vốn do các nhà đầu tư người gửi tiết kiệm có thể mất niềm tin vào sức khỏe tài chính của ngân hàng đồng nghĩa với việc khó khăn trong việc thu hút khách hàng mới; tăng chi phí vốn để bù đắp rủi ro tín dụng và có thể phải tăng lãi suất trên các sản phẩm và dịch vụ tài chính của mình Nếu tình trạng này kéo dài sẽ khiến các NHTM rơi vào tình trạng mất khả năng thanh từ đó làm ảnh hưởng sâu sắc đến nền tài chính quốc gia

Căn cứ theo Điều 10 của Thông tư 11/2021/TT-NHNN, được sửa đổi bởi Điều

1 Thông tư 09/2014/TT-NHNN các tổ chức tín dụng thực hiện phân loại nợ theo 05 nhóm sau:

Nhóm 1 - Nợ đủ tiêu chuẩn: là nợ trong hạn, được đánh giá đủ khả năng thu hồi đầy đủ cả gốc và lãi đúng hạn Các khoản nợ khác gồm nợ trung và dài hạn khi khách hàng trả đầy đủ nợ gốc và lãi treo kỳ hạn đã được cơ cấu lại tối thiểu trong vòng 1 năm, và đối với nợ ngắn hạn thì thời hạn là ba tháng và được đánh giá là có khả năng trả nợ đủ cả gốc và lãi đúng theo thời hạn đã được cơ cấu lại Ngoài ra, còn có khoản nợ bị quá hạn nhưng dưới 10 ngày và được đánh giá là có khả năng thu hồi gốc, lãi bị quá hạn và gốc, lãi còn lại đúng hạn

Nhóm 2 - Nợ cần chú ý: Bao gồm các khoản nợ quá hạn đến 90 ngày và được phân loại vào nhóm nợ có rủi ro cao hơn nhóm 1 vì tuy có khả năng thu hồi nợ nhưng khách hàng có dấu hiệu giảm khả năng trả nợ; các khoản nợ được điều chỉnh kỳ hạn trả nợ lần đầu còn trong hạn trừ nợ cơ cấu lại thời hạn trả nợ

Nhóm 3 - Nợ dưới tiêu chuẩn: Gồm các khoản nợ quá hạn từ 90 -180 ngày; các khoản nợ gia hạn lần đầu còn trong hạn trừ nợ cơ cấu lại thời hạn trả nợ Bên cạnh đó còn có nợ được miễn/giảm lại cho khách hàng không đủ khả năng trả lãi đúng theo thỏa thuận và nợ bị có quyết định thu hồi mà chưa thu hồi được dưới 30 ngày

Nhóm 4 - Nợ nghi ngờ: Bao gồm các khoản nợ quá hạn dưới 180 - 360 ngày và được đánh giả là có khả năng tổn thất cao; các khoản nợ cơ cấu lại thời hạn đến

90 ngày theo thời hạn trả nợ được cơ cấu lại; nợ bị có quyết định thu hồi của thanh tra mà chưa thu hồi được trong 60 ngày; nợ bị có quyết định thu hồi của ngân hàng do khách hàng vi phạm thỏa thuận mà chưa thu hồi được trong từ 30 - 60 ngày

Nhóm 5 - Nợ có khả năng mất vốn: Bao gồm các khoản nợ quá hạn trên 360 ngày và là nợ được đánh giá là không có khả năng thu hồi và có khả năng mất vốn; các khoản nợ cơ cấu lại thời hạn trả nợ quá từ 91 ngày trở lên theo thời hạn cơ cấu lại lần đầu; nợ được cơ cấu lại thời hạn trả nợ lần đầu theo thời hạn cơ cấu lần 2…

Có thể nói, nợ xấu là nợ ở nhóm 3,4 và 5 lần lượt là nợ dưới tiêu chuẩn, nợ nghi ngờ và nợ có khả năng mất vốn Các đặc điểm có thể bao gồm việc chậm trả nợ, mất khả năng thanh toán và vi phạm hợp đồng từ phía người đi vay, vì vậy làm tăng nguy cơ mất vốn cho bên cho vay Do đó, nợ xấu luôn là mối quan tâm hàng đầu của các tổ chức tài chính cũng như ngân hàng vì chúng có thể làm ảnh hưởng đến sức khỏe tài chính và lợi nhuận của các tổ chức

2.1.1.3 Chỉ tiêu đo lường nợ xấu

Bài khóa luận sử dụng chỉ tiêu đo lường nợ xấu là tỷ lệ nợ xấu trên tổng dư nợ

- tỷ lệ thông dụng ở các NHTM Việt Nam và đã có nhiều thử nghiệm sử dụng tỷ lệ này điển hình như Trần Vương Thịnh và Nguyễn Thị Hồng Loan (2021) Do đó, ở nghiên cứu này tác giả sử dụng giá trị dư nợ ở nhóm 3, 4 và 5, cũng như tổng dư nợ trong các báo cáo chính thức của các NHTM để đo lường tỷ lệ nợ xấu này Việc sử dụng chỉ tiêu này bởi vì đây là một chỉ tiêu đơn giản, dễ tính toán với các số liệu lấy được từ các bảng báo cáo tài chính Chỉ tiêu này cũng cung cấp thông tin tổng quan về sức khỏe tài chính của các ngân hàng, giúp ngân hàng có cái nhìn rõ ràng và nhanh chóng về mức độ rủi ro so với các đối thủ cùng ngành, đồng thời đánh giá được khả năng đối mặt với những thách thức từ nợ xấu mà không ảnh hưởng đến toàn bộ hệ thống tài chính ngân hàng

Tỷ lệ nợ xấu = Dư nợ nhóm 3,4,5

2.1.2 Khái quát về khả năng sinh lời của ngân hàng

Khả năng sinh lời của ngân hàng là một khái niệm chỉ sự có khả năng của ngân hàng tạo ra lợi nhuận từ các hoạt động kinh doanh và tài chính Đây là một phần quan trọng của hoạt động ngân hàng và liên quan đến khả năng của ngân hàng để thu hút vốn, quản lý rủi ro, thực hiện các dịch vụ tài chính để tạo ra thu nhập và với mục tiêu chính là tối ưu hóa thu nhập và giảm thiểu rủi ro KNSL của Ngân hàng phụ thuộc vào sự tác động nhiều yếu tố khác nhau, cũng như khả năng Ngân hàng thích ứng được với thị trường và biến động kinh tế

Theo Menicucci và Paolucci (2016) về KNSL khi xét đến tiềm năng đầu tư thì đây là một chỉ tiêu quan trọng cần chú ý đến vì phản ánh được lợi nhuận thông qua trình độ kinh doanh, hiệu quả quản lý và kiểm soát rủi ro của các NHTM Đồng thời, nó cũng thể hiện được sự linh hoạt trong hoạt động kinh doanh nhằm tối đa hóa lợi nhuận và tăng khả năng cạnh tranh nhưng vẫn trong trong tầm kiểm soát Sau đó

Jaouad và Lahsen (2018) cũng đưa ra được hiệu quả hoạt động của một NHTM chính là nằm ở KNSL

Các lý thuyết có liên quan

2.2.1 Các lý thuyết có liên quan đến nợ xấu

2.2.1.1 Lý thuyết bất cân xứng thông tin (Asymmetric Information Theory)

Lý thuyết bất cân xứng thông tin lần đầu tiên được giới thiệu bởi Akerlof (1970), mô tả một huống khi một bên trong giao dịch có thông tin lợi thế so với bên kia, dẫn đến sự không đối xứng trong thông tin giữa hai bên Khi xảy ra việc bất cân xứng thông tin, một bên có thông tin chi tiết hơn và có thể sử dụng thông tin đó để tận dụng đối tác kinh doanh của mình Lý thuyết này có thể tác động đến lĩnh vực ngân hàng trong hoạt động cho vay theo nhiều cách, đặc biệt là trong quá trình xác định rủi ro và đưa ra quyết định cấp vay Cụ thể, nếu thông tin từ người vay không đầy đủ hoặc không chính xác, điều này tạo ra rủi ro cao cho ngân hàng khi họ không có đủ thông tin để đánh giá độ nợ và khả năng thanh toán của người vay Tuy nhiên, trước những rủi ro như vậy ngân hàng có thể tăng lãi suất hoặc đưa các điều kiện vay nghiêm ngặt hơn để đối phó với những rủi ro không chắc chắn từ thông tin không đầy đủ Điều này có thể làm tăng áp lực tài chính cho người đi vay, đồng nghĩa với việc làm giảm khả năng tiếp cận vốn

Trong ngân hàng, nếu thông tin không đầy đủ chính xác thì ngân hàng có thể đánh giá thấp rủi ro thực sự có của một khoản vay, từ đó làm tăng rủi ro nợ xấu Sự bất cân xứng về thông tin có thể làm ngân hàng phải chi một khoản phí lớn hơn để quản lý rủi ro hoặc để thu thập thông tin chính xác và nếu cứ tiếp tục ngân hàng sẽ phải liên tục tăng chi phí, góp phần hình thành nhiều nguy cơ nợ xấu hơn Lý thuyết này đã chỉ ra việc tối thiểu để đưa ra quyết định cho vay, đồng thời cũng đưa ra hướng phát triển thêm cho đề tài về mức độ tác động đáng kể của tác nhân này, giúp tác giả định hướng cách giải quyết tốt hơn cho các câu hỏi được đặt ra

2.2.1.2 Lý thuyết gia tốc tài chính (Financial Acceleration Theory) Được đề cập lần đầu và cũng là lý thuyết nổi bật nhất trong các nghiên cứu của Bernanke và Gertler (1989), Bernanke và Gilchrist (1999) cùng Kiyotaki và Moore (1997) thể hiện rõ về mối quan hệ giữa nền kinh tế vĩ mô và rủi ro tín dụng

Cụ thể, nếu trong một nền kinh tế tăng trưởng, việc giá trị tài sản ròng của người đi vay tăng đồng nghĩa với việc họ sẽ có nhiều nguồn thu nhập hoặc giá trị tài sản có thể sử dụng để thanh toán nợ, điều này có thể giảm nguy cơ nợ xấu Vì vậy, phía người cho vay sẽ gặp rủi ro ít hơn trong việc cho khách hàng có giá trị tài sản ròng cao vay Ngược lại, khi nền kinh tế xấu đi, việc giá trị tài sản ròng của người đi vay bị giảm, dẫn đến việc tăng nguy cơ có tỷ lệ nợ xấu Mối quan hệ giữa tài sản ròng và tỷ lệ nợ xấu thường có ảnh hưởng từ việc người vay có tài sản bảo đảm hay không Nếu người vay có nhiều tài sản giá trị và có khả năng bảo đảm, ngân hàng có thể an tâm hơn về khả năng thu hồi nếu người vay không trả nợ Mặt khác, người có tài sản ròng lớn hơn thường có khả năng được đánh giá tín dụng cao hơn, điều này có thể làm ảnh hưởng đến mức lãi suất và điều kiện cho vay của khách hàng

Lý thuyết này đã chỉ ra việc một khách hàng có giá trị tài sản cao, đồng nghĩa với việc có sức mạnh bảng cân đối tài chính cá nhân lớn Vì ngoài những khoản thu nhập hàng tháng thì các tài sản có thể cầm cố sẽ giúp an tâm hơn cho người đi vay lẫn người cho vay về việc trả nợ đúng hạn, làm giảm khả năng mất thanh toán nợ trước những tác nhân không ngờ tới từ thị trường Mặt khác, lý thuyết này cũng có nhược điểm là nếu đến thời kỳ giảm giá trị tài sản, nó có thể góp phần gia tăng cũng như lan tỏa sự khủng hoảng của tài chính Điều này cũng có thể làm tăng nguy cơ nợ xấu trong điều kiện kinh tế khó khăn Lý thuyết này đã đưa ra được nhiều góc nhìn khác nhau cho tác giả, giúp tác giả có cái nhìn tổng quan hơn, cũng như đưa ra hướng giải quyết đa chiều hơn cho các vấn đề

2.2.2 Các lý thuyết có liên quan đến khả năng sinh lời của ngân hàng

2.2.2.1 Lý thuyết về cấu trúc hiệu quả (Efficient Structure Hypothesis – ESH)

Khởi xướng là Demsetz (1973) và Peltzman (1977) với lý thuyết hiệu quả cấu trúc Lý thuyết này cho thấy sự tác động qua lại giữa cơ cấu thị trường và hiệu quả của ngân hàng Lý thuyết này cũng cho rằng hiệu quả quản lý không chỉ làm tăng lợi nhuận mà đồng thời dẫn đến việc tăng thị phần cũng như cải thiện được sự tập trung thị trường (Athanasoglou và cộng sự, 2008) Có thể lý giải rằng, các ngân hàng có trình độ quản lý vượt trội hay có sự áp dụng của các công nghệ hiện đại thì không những giúp giảm thiểu chi phí mà còn giúp nâng cao lợi nhuận ngân hàng Khan và cộng sự (2017) cũng cho rằng hiệu quả quản lý chi phí góp phần phát triển các ngân hàng và giành thị phần cao hơn, kết quả tăng trưởng cũng dẫn đến gia tăng mức độ tập trung thị trường Hơn nữa, một ngân hàng có mức độ hiệu quả cao hơn có thể tạo ra nhiều lợi nhuận hơn cũng như thị phần thông qua quản lý cấp trên hoặc công nghệ sản xuất (Berger, 1995) Giả thuyết này cũng được phát triển bởi một nghiên cứu của Seelanatha (2010) Tóm lại, lập luận này giúp làm rõ mối quan hệ giữa hiệu quả quản lý chi phí, quy mô, thị phần, công nghệ với KNSL của một tổ chức

Việc sử dụng lý thuyết về cấu trúc hiệu quả vào bài khóa luận này có thể giúp cho tác giả định hướng được cách thức ngân hàng hoạt động hiệu quả, từ đó tìm ra được giải pháp nhằm giảm rủi ro nợ xấu cũng như tăng KNSL thông qua việc mở rộng thị trường hay tăng thị phần Đồng thời, cho thấy được việc ứng dụng công nghệ có thể cải thiện được quản lý hiệu quả, do đó giúp ngân hàng duy trì sự linh hoạt và sẵn sàng ứng phó trước những thách thức trong môi trường kinh doanh ngân hàng Việc đưa ra lý thuyết sẽ giúp tác giả lựa chọn phương pháp hiệu quả nhất để tăng KNSL cho ngân hàng và sẽ được trình bày rõ ở chương 5

2.2.2.2 Lý thuyết kinh tế về lợi thế quy mô (Economies of scale theory)

Lý thuyết này chứng minh được lợi thế về chi phí khi các tổ chức hoạt động hiệu quả Nếu một lượng sản phẩm lớn được tạo ra đồng nghĩa với việc một doanh nghiệp đã mở rộng được quy mô và các sản phẩm cũng được hạ giá Khi quy mô được mở rộng thì sẽ càng tiết kiệm được chi phí vận hành Để có được lợi thế này đòi hỏi các tổ chức phải có chính sách quản lý nổi bật dưới sự tác động của các yếu tố bên ngoài như GDP Khemani và Shapiro (1993) đã cho rằng, quy mô càng lớn thì chi phí trung bình trên một đơn vị sản lượng càng giảm đi, bởi chi phí cố định được chia đều trên mỗi đơn vị đầu ra, từ đó gia tăng vị thế cạnh tranh

Tóm lại, việc mở rộng quy mô lớn hơn giúp doanh nghiệp mở rộng thị trường và thu hút nhiều khách hàng hơn Điều này có thể tạo ra cơ hội để tăng cường doanh số bán hàng và lợi nhuận vì những doanh nghiệp có quy mô lớn hơn thường có uy tín mạnh hơn trên thị trường, giúp cho việc đàm phán thuận lợi với các nhà cung cấp lẫn khách hàng Việc có ưu thế từ quy mô, kéo theo các thỏa thuận tốt hơn về giá cả và điều kiện giao hàng, từ đó làm tăng lợi nhuận, giảm áp lực tài chính và giảm nguy cơ nợ xấu Vì vậy, nếu doanh nghiệp có KNSL và quản lý tài chính hiệu quả thì khả năng đối mặt với nguy cơ nợ xấu có thể giảm đi đáng kể

2.2.2.3 Lý thuyết hiệu quả kinh tế theo phạm vi (Economies of scope theory)

Lý thuyết hiệu quả kinh tế theo phạm vi có nghĩa là việc sản xuất thêm một hàng hóa sẽ làm giảm chi phí sản xuất một hàng hóa khác có liên quan Nói đúng hơn, hiệu quả kinh tế theo phạm vi xuất hiện khi có thể tiết kiệm chi phí bằng cách tổ chức và thực hiện nhiều loại sản phẩm hoặc dịch vụ trong một hệ thống chung, chia sẻ nguồn lực và kiến thức Điều này có thể giúp giảm chi phí đầu tư ban đầu, chi phí sản xuất, và cả chi phí tiếp thị và quảng cáo Do đó, lý thuyết hiệu quả kinh tế theo phạm vi mang lại ưu điểm khi có sự kết hợp hoặc đa dạng hóa trong quá trình sản xuất và cung cấp dịch vụ, thay vì chỉ tập trung vào một sản phẩm hoặc dịch vụ duy nhất Lý thuyết này cũng được Zhang và Malikov (2022) chứng minh về việc đa dạng hóa doanh thu có thể mang lại ích lợi đáng kể về cho ngân hàng

Lý thuyết này có thể mang lại nhiều lợi ích kinh tế lẫn tài chính, từ đó giúp tăng cường KNSL và giảm tỷ lệ nợ xấu cho ngân hàng Thật vậy, việc doanh nghiệp sản xuất thêm một loại hàng hóa có liên quan đến hàng hóa ở hiện tại, giúp doanh nghiệp có thể tận dụng tài nghiên một cách hiệu quả Do đó, làm giảm chi phí sản xuất và áp lực tài chính, giúp làm tăng lợi nhuận đồng nghĩa với việc tăng khả năng trả nợ Bên cạnh đó, khi doanh nhiều loại sản phẩm sẽ không bị phụ thuộc vào một thị trường công nghiệp nhất định Điều này, giúp doanh nghiệp giảm nguy cơ bị phá sản khi nền kinh tế biến động và bảo toàn được khả năng trả nợ, giảm nguy cơ nợ xấu Ngoài ra, việc có nhiều sản phẩm có thể thu hút thêm được nhiều khách hàng với nhu cầu đa dạng, giúp tăng cường vị thế và khả năng cạnh tranh, từ đó cải thiện KNSL lẫn khả năng trả nợ

2.2.2.4 Mô hình Cấu trúc – Hành vi – Kết quả ((Structure – Conduct –

Lý thuyết SCP lần đầu tiên được đề xuất bởi Bain (1951), cho rằng cấu trúc của thị trường quyết định hành vi của doanh nghiệp và hành vi của doanh nghiệp quyết định hiệu quả hoạt động của doanh nghiệp đó Berger và Hannan (1989) cho rằng khi một ngân hàng hoạt động trong môi trường tập trung cao thì có thể xuất hiện những hành vi mang tính cạnh tranh bằng cách đặt ra lãi suất cho vay cao và lãi huy động thấp để tăng thêm lợi nhuận Lý thuyết này nhằm nhấn mạnh rằng sự tập trung của thị trường làm gia tăng sức mạnh độc quyền, có thể thông qua một giả thuyết đặc biệt của SCP là RMP (Relative – Market – Power) đã khẳng định rằng một doanh nghiệp có thị phần lớn sẽ có được quyền lực trong thị trường và kiếm lợi nhuận cao hơn

Lý thuyết này đã cho rằng cấu trúc của một ngành công nghiệp (số lượng doanh nghiệp, mức độ tập trung, quy mô và vị thế cạnh tranh) sẽ tác động đến hành vi của các doanh nghiệp cùng ngành, vì vậy làm ảnh hưởng đến hiệu suất cũng như lợi nhuận Có thể nói, một doanh nghiệp có thị phần lớn có thể có ảnh hưởng đến các điều kiện của thị trường và còn có thể đặt ra các điều kiện có lợi cho bản thân Ngoài ra, thị phần lớn có thể làm giảm chi phí đơn vị vì chi phí cố định (máy móc, nhân sự) được sử dụng cho lượng sản phẩm lớn hơn, làm cho chi phí trung bình giảm và làm tăng lợi nhuận Vì vậy, trong ngân hàng, môi trường tập trung cao và thị phần lớn có thể dẫn đến hành vi cạnh tranh như đưa ra lãi suất cho vay cao và lãi huy động thấp, làm tăng KNSL cho ngân hàng.

Tổng quan các nghiên cứu trước đây về tác động của nợ xấu đến lợi nhuận của các ngân hàng thương mại

Moh Benny Alexandri and Teguh Iman Santoso (Non Performing Loan: Impact of Internal and External Factor: Evidence in Indonesia, 2015) đã sử dụng bảng điều khiển hồi quy dữ liệu phân tích 26 ngân hàng giai đoạn 2009 – 2013 nhằm đánh giá về mức độ nợ xấu ở các ngân hàng tại Indonesia Các yếu tố bao gồm tỷ lệ an toàn (CAR), mức độ hiệu quả (ROA), tốc độ tăng trưởng tổng sản phẩm trong nước (GDP) và tỷ lệ lạm phát (INF) Từ mô hình dữ liệu bảng Random Effects Model (REM) cho ra kết luận rằng: mức độ hiệu quả của các ngân hàng sẽ làm giảm mức nợ xấu

Roland Beck, Petr Jakubik and Anamaria Piloiu (Non-Performing loans: What matter in addition to the economic cycle, 2013) cho rằng luôn tồn tại nợ xấu song song với chu kỳ kinh tế Thông qua việc sử dụng dữ liệu bảng phân tích các yếu tố trong nền kinh tế vĩ mô của nợ xấu trên khắp 75 quốc gia trong thập kỷ qua đã kết luận rằng các yếu tố có ảnh hưởng quan trọng đến nợ xấu bao gồm: Mức tăng trưởng GDP, giá cổ phiếu, tỷ giá hối đoái và lãi suất cho vay

Chege & Bichanga (2017) điều tra về tác động của nợ xấu đến hiệu quả hoạt động của 44 NHTM tại Kenya, sử dụng phương pháp phân tích mô tả và hồi quy SPSS, trong đó biến phụ thuộc là ROA, biến độc lập là tỷ lệ nợ xấu, quy mô, chi phí hoạt động, thanh khoản Nghiên cứu đã khẳng định nợ xấu có tác động tiêu cực đến ROA bên cạnh các tác động đa dạng từ các biến độc lập

Al-Homaidi và cộng sự (2020) khám phá về tác động từ các yếu tố bên trong và bên ngoài ngân hàng ảnh hưởng đến hiệu quả kinh doanh của 37 NHTM niêm yết trên sàn chứng khoán Bombay Exchange (BSE), Ấn Độ trong giai đoạn từ 2008 đến

2017 Bằng cách sử dụng các mô hình FEM, REM và GMM đã đưa ra kết luận rằng quy mô ngân hàng, chất lượng tài sản, tính thanh khoản, quản lý tài sản và biên lãi ròng là những yếu tố bên trong ảnh hưởng quan trọng đến ROA Mức an toàn vốn, tiền gửi, hiệu quả, tổng sản phẩm trong nước và tỷ lệ lạm phát tác động ngược chiều với ROA, đồng thời cũng tác động tiêu cực đáng kể đến ROE Ngược lại, chất lượng tài sản và chiến lược quản trị tài sản lại cho thấy sự ảnh hưởng tích cực đến ROE

Thử nghiệm của Kingu và cộng sự (2018) về tác động của nợ xấu đến hiệu quả kinh doanh của các ngân hàng thông qua việc sử dụng lý thuyết bất cân xứng và giả thuyết quản lý tồi Việc sử dụng dữ liệu bảng của 16 NHTM trong giai đoạn 2007 –

2015, cùng với việc sử dụng phương pháp thống kê mô tả và nhiều phương pháp ước lượng phân tích hồi quy khác như OLS, FEM, REM Từ đó kết luận rằng sự hiện hữu của các khoản nợ xấu đều có tác động tiêu cực đến hiệu quả kinh doanh tại các NHTM ở Tanzania Ngoài ra, các yếu tố như thanh khoản hay GDP cũng ảnh hưởng tiêu cực đến hiệu quả, riêng chỉ có tỷ lệ vốn mang lại sự ảnh hưởng tích cực đến hiệu quả kinh doanh

Khám phá của Phạm Hữu Hồng Thái (2014) về tác động của nợ xấu đến KNSL Dữ liệu thu thập được từ 34 NHTM giai đoạn từ 2005 – 2012 và thực hiện bằng phương pháp bình phương bé nhất (OLS) dạng bảng Ngoài ra, còn sử kết hợp các mô hình FEM, REM; các biến thử nghiệm bao gồm quy mô, tỷ lệ nợ xấu, đòn bẩy tài chính, chi phí dự phòng, hiệu quả chi phí và biến phụ thuộc là ROE thể hiện KNSL Kết quả cho thấy nợ xấu, chi phí dự phòng tác động ngược chiều đến KNSL, đồng thời biến đòn bẩy tài chính, quy mô có tác động ngược chiều với KNSL, các biến còn lại chưa có ý nghĩa thống kê

Quan sát của Nguyễn Thị Hồng Vinh (2015) về các yếu tố tác động đến nợ xấu tại các NHTM Việt Nam trong giai đoạn từ 2007 – 2014 Thông qua việc sử dụng mô hình FEM, GMM với các biến là nợ xấu năm trước, KNSL (ROE), quy mô ngân hàng, vốn chủ sở hữu, dư nợ cho vay, tốc độ tăng trưởng tín dụng, GDP và lạm phát (INF) Kết quả thu được cho thấy KNSL và tăng trưởng kinh tế có tác động ngược chiều đến nợ xấu của hệ thống NHTM Nợ xấu trong quá khứ, quy mô ngân hàng và tăng trưởng tín dụng tác động cùng chiều đến nợ xấu Bên cạnh đó, kết quả phân tích cũng đưa ra những bằng chứng thực nghiệm về các yếu tố tác động của nợ xấu là vốn chủ sở hữu và lạm phát, đồng thời chỉ ra được hậu quả của nợ xấu đến hệ thống NHTM tại Việt Nam

Huỳnh Thị Hương Thảo (2019) kiểm tra về tác động của rủi ro tín dụng đến hiệu quả hoạt động của NHTM Các chỉ tiêu bao gồm ROA, ROE, hiệu quả kỹ thuật, hiệu quả quy mô kết hợp với việc chạy mô hình bằng phương pháp OLS, FEM, REM, FGLS đã cho thấy rủi ro tín dụng có tác động ngược chiều đến hiệu quả Vì vậy, nghiên cứu đã đưa ra các chiến lược quản lý rủi ro nhằm nâng cao hiệu quả hoạt động

Nguyễn Hoàng Chung và cộng sự (2020) khai thác về ảnh hưởng của nợ xấu đến hiệu quả hoạt động kinh doanh của các NHTM tại Việt Nam Dữ liệu phân tích được thu thập từ 27 NHTM Việt Nam trong giai đoạn 2014 – 2018 Sử dụng phương pháp phân tích thống kê mô tả và phân tích mô hình hồi quy đa biến bằng phần mềm SPSS Từ kết quả của mô hình, cho thấy tỷ lệ nợ xấu có tác động ngược chiều đến ROA và ROE Từ đó, đề xuất các phương pháp phù hợp với vấn đề

Nguyễn Thành Đạt và cộng sự (2021) thu thập dữ liệu từ 30 NHTM Việt Nam giai đoạn 2007 – 2019 Phương pháp hồi quy với dữ liệu bảng được sử dụng chủ yếu, sau đó tiến hành kiểm định để chọn ra phương pháp ước lượng phù hợp với từng yếu tố được đề cập Nghiên cứu cũng chỉ ra rằng các chỉ số về rủi ro tín dụng bao gồm tỷ lệ nợ xấu, tỷ lệ chi phí dự phòng rủi ro tín dụng, tỷ lệ dư nợ và quy mô đều có tác động cùng chiều đến KNSL của ngân hàng Việc đó cho thấy được các NHTM đang tích cực đẩy mạnh và khai thác những lợi ích từ hoạt động cho vay Ngoài ra, còn cho thấy được mối quan hệ tích cực giữa quy mô và hiệu quả của ngân hàng, từ đó tận dụng lợi thế về quy mô kinh tế để nâng cao hiệu quả tài chính

Thử nghiệm của Nguyễn Thị Ánh Hoa (2021) về Các nhân tố ảnh hưởng đến nợ xấu của NHTM tại Việt Nam Dữ liệu là 22 NHTM trong giai đoạn 2012 - 2020 để kiểm định mức độ tác động của các nhân tố vi mô và vĩ mô của thị trường đến nợ xấu của các NHTM Nghiên cứu được sử dụng nhiều phương pháp, bao gồm Pooled OLS, FEM, REM, FGLS Kết quả cho thấy có 5 trên 6 nhân tố đặt ra có tác động mạnh mẽ đến nợ xấu Từ đó đề xuất một số kiến nghị cho các nhà quản trị ngân hàng và cơ quan quản lý nhà nước nhằm hạn chế cũng như cải thiện tình trạng nợ xấu

Bảng 2.1: Tóm tắt các nghiên cứu trong và ngoài nước trước đó

Tác giả nghiên cứu Chủ đề Dữ liệu Phương pháp Kết quả

Các khoản cho vay không hiệu quả: Điều gì quan trọng hơn chu kỳ kinh tế

Các yếu tố trong nền kinh tế vĩ mô của nợ xấu trên khắp 75 quốc gia

Sử dụng mô hình GMM

Các yếu tố có ảnh hưởng quan trọng đến nợ xấu bao gồm: Mức tăng trưởng GDP, giá cổ phiếu, tỷ giá hối trong thập kỷ đoái và lãi suất cho vay

Khoản vay không hiệu quả: Tác động của yếu tố bên trong và bên ngoài: Bằng chứng ở

Sử dụng bảng điều khiển hồi quy dữ liệu phân tích

Mức độ hiệu quả của các ngân hàng sẽ làm giảm mức nợ xấu

Tác động của nợ xấu đến hiệu quả hoạt động của 44 NHTM tại Kenya

Phương pháp phân tích mô tả và hồi quy SPSS

Nợ xấu có tác động tiêu cực đến ROA bên cạnh các tác động đa dạng từ các biến độc lập

Tác động của nợ xấu đến KNSL của ngân hàng:

Bằng chứng thực nghiệm từ các NHTM ở Tanzania

Sử dụng dữ liệu bảng của 16 NHTM trong giai đoạn 2007 –

Phương pháp OLS, FEM, REM

Các khoản nợ xấu đều có tác động tiêu cực đến hiệu quả kinh doanh tại các NHTM ở Tanzania

Al-Homaidi và cộng sự

Các yếu tố bên trong và bên ngoài quyết định lợi nhuận của các

37 NHTM niêm yết trên sàn chứng khoán

Sử dụng các mô hình FEM,

Quy mô ngân hàng, chất lượng tài sản, tính thanh khoản, quản lý tài sản và biên lãi ròng là các yếu tố bên trong

NHTM niêm yết ở Ấn Độ: cách tiếp cận GMM năng động

Exchange (BSE), Ấn Độ trong giai đoạn từ

REM và GMM ảnh hưởng quan trọng đến ROA Mức an toàn vốn, tiền gửi, hiệu quả, tổng sản phẩm trong nước và tỷ lệ lạm phát tác động ngược chiều với ROA, ROE Ngược lại, chất lượng tài sản và chiến lược quản trị tài sản lại cho thấy sự ảnh hưởng tích cực đến ROE Phạm Hữu

Tác động của nợ xấu đến khả năng sinh lợi của ngân hàng

Phương pháp bình phương bé nhất (OLS) dạng bảng; mô hình FEM, REM

MÔ HÌNH VÀ PHƯƠNG PHÁP NGHIÊN CỨU

Quy trình nghiên cứu

Tổng quan về trình tự nghiên cứu về mối quan hệ giữa nợ xấu và KNSL của các NHTM niêm yết tại Việt Nam

(Nguồn: Tổng hợp của tác giả)

Kết luận và đề xuất ý kiến Phân tích kết quả hồi quy và bàn luận Kiểm tra mô hình hồi quy Thu thập, xử lý dữ liệu, thiết lập mô hình, phân tích hồi quy Đánh giá tác động của nợ xấu đến khả năng sinh lời của NHTM niêm yết tại Việt Nam. Đánh giá về mức độ ảnh hưởng của đại dịch Covid - 19 lên mối quan hệ này.

Thiết lập mô hình và đưa ra các phương pháp nghiên cứu

Xem xét và cân nhắc nghiên cứu dựa trên các nghiên cứu nền tảng

Bước 1: Bài luận sẽ đưa ra các cơ sở lý thuyết dựa trên nền tảng từ các nghiên cứu (trong và ngoài nước) trước đó, đồng thời cũng xem xét đến các khoảng trống nhằm bổ sung cũng như trình bày chặt chẽ hơn cho bài khóa luận

Bước 2: Để đánh giá tác động của nợ xấu đến KNSL của các NHTMCP Việt

Nam, tác giả đã xây dựng mô hình cùng với các giả thuyết dựa trên cơ sở lý thuyết đã được cân nhắc từ nghiên cứu trước Từ đó đưa ra phương pháp nghiên cứu phù hợp với từng mô hình

Bước 3: Từ mô hình nghiên cứu, tác giả thực hiện xây dựng các biến phù hợp với yếu tố nợ xấu, KNSL, một vài biến đặc thù của ngân hàng và các biến vĩ mô có ảnh hưởng khác Sau đó bắt đầu thu thập dữ liệu của 28 NHTM Việt Nam từ FiinPro và dùng phần mềm Stata để phân tích dữ liệu

Bước 4: Tác giả tiến hành lựa chọn phương pháp phân tích hồi quy dữ liệu bảng với các mô hình hồi quy Pooled OLS, FEM, REM nhằm khắc phục được các lỗi và đưa ra mô hình tối ưu

Bước 5: Dựa trên các phân tích từ bước 3, tác giả tiến hành phân tích kết quả hồi quy và thảo luận về tác động của nợ xấu đến KNSL của các NHTMCP Việt Nam

Tiếp theo đó, tác giả thực hiện kiểm tra và so sánh với những phát hiện từ các nghiên cứu của các tác giả trước

Bước 6: Từ kết quả hồi quy, tác giả đưa đến kết luận về tác động của nợ xấu đến KNSL của các NHTM có sự ảnh hưởng của Covid - 19 Từ đó, tác giả đưa ra một số đề xuất nhằm bổ sung thêm cho các nghiên cứu trước, đồng thời cũng mong muốn bài nghiên cứu sẽ góp phần làm tiền đề cho các nghiên cứu sau.

Mô hình nghiên cứu

Tác giả kỳ vọng các biến như: Tỷ lệ vốn (CAP); Tỷ lệ tiền gửi (DEP); Tổng các khoản cho vay và cho thuê trên Tổng tài sản (LOANS); Dự phòng rủi ro tín dụng (LLP); Tốc độ tăng trưởng tín dụng (GRO); Tốc độ tăng trưởng hàng năm của GDP thực tế (GDP); Tỷ lệ lạm phát (INF); Tỷ lệ nợ xấu (NPL); Tác động của Covid – 19 (NPL*COVID19) là các biến có tác động quan trọng đến ROA và ROE Các biến này được kỳ vọng sẽ có tác động đa chiều đến KNSL, từ đó tác giả có thể đưa ra nhiều hướng giải quyết vấn đề và tăng KNSL cho ngân hàng

Mặc dù, đã có nhiều nghiên cứu về nói về tác động đáng kể của các biến này trừ biến giả COVID19 như Hoàng Thị Thanh Nhàn (2017); Lê Văn Lễ (2020); Võ Công Trường (2020) Còn đối với biến điều tiết là COVID19 thì chưa có nghiên cứu nào thực hiện và nếu có thì chỉ sử dụng biến này như là biến độc lập như nghiên cứu của Phạm Xuân Quỳnh (2022) đã xem xét về Các yếu tố ảnh hưởng đến KNSL của các NHTMVN trong bối cảnh dịch Covid - 19 và cho ra kết luận là mức độ bùng phát đại dịch Covid - 19 có tác động ngược chiều đến hiệu quả hoạt động của NHTM Từ đó, mô hình nghiên cứu dự tính cũng dựa trên cơ sở lý thuyết và các phân tích trước đây, tác giả sử dụng ROA và ROE để đo lường KNSL của các NHTM Ở nghiên cứu này, tác giả xây dựng 4 mô hình sau:

Mô hình 1: Để kiểm tra tác động của nợ xấu đối với khả năng sinh lời của các NHTM với biến phụ thuộc là ROE

Mô hình 2: Để kiểm tra tác động của nợ xấu đối với khả năng sinh lời của các NHTM với biến phụ thuộc là ROA

Mô hình 3: Để kiểm tra ảnh hưởng của dịch bệnh Covid – 19 đến mối quan hệ giữa nợ xấu và KNSL của các NHTM với biến phụ thuộc là ROE

Mô hình 4: Để kiểm tra ảnh hưởng của dịch bệnh Covid – 19 đến mối quan hệ giữa nợ xấu và KNSL của các NHTM với biến phụ thuộc là ROA

 1 , ,  11 là hệ số hồi quy cho các biến độc lập;

 là sai số kết hợp trong từng mô hình; i là danh sách 28 ngân hàng thương mại tại Việt Nam; t là năm từ năm 2012 đến năm 2022

Các biến được sử dụng trong mô hình nghiên cứu:

Bảng 3.2: Đo lường các biến và kỳ vọng ảnh hưởng của biến độc lập

ROA = Lợi nhuận sau thuế

ROE = Lợi nhuận sau thuế

NPL – Tỷ lệ nợ xấu Tỷ lệ nợ xấu = Dư nợ nhóm 3,4,5/Tổng dư nợ LLP – Dự phòng rủi ro tín dụng LLP = Dự phòng rủi ro tín dụng

GRO - Tốc độ tăng trưởng tín dụng

Tốc độ tăng trưởng tín dụng = (Dư nợ năm t –Dư nợ năm t-1)/dư nợ năm t-1

CAP – Tỷ lệ vốn CAP = Tổng vốn chủ sở hữu

DEP – Tỷ lệ tiền gửi DEP = Tiền gửi

LOANS – Tổng các khoản cho vay và cho thuê trên tổng tài sản

LOANS = Tổng cho vay và cho thuê

GDP – Tốc độ tăng trưởng GDP hằng năm Sự gia tăng của GDP tại Việt Nam năm t so với năm t-1

INF – Tỷ lệ lạm phát Sự gia tăng của chỉ số giá tiêu dùng năm t so với năm t-1

(tỷ lệ lạm phát mỗi năm tại Việt Nam)

COVID19 COVID19 bằng 1 nếu như năm (t) nằm trong khoảng

2020 – 2022, bằng 0 trong các trường hợp còn lại

Tỷ lệ nợ xấu (NPL): Gizaw, Kebede, & Selvaraj (2015) đã chứng minh rằng tỷ lệ nợ xấu là chỉ số chính về rủi ro tín dụng của các NHTM Họ cho rằng NPL là chỉ số mà các ngân hàng dùng để đo lường mức độ rủi ro vỡ nợ tín dụng và cho thấy sự ảnh hưởng tiêu cực lớn đến KNSL được đo bằng ROA Tuy nhiên, các nghiên cứu thực nghiệm đã tạo ra các kết quả khác nhau Alshatti (2015) đã tìm thấy sự ảnh hưởng tích cực của tỷ lệ nợ xấu/tổng nợ đến hoạt động tài chính của các ngân hàng Trái ngược với những lập luận này, Aldoseri & Mahfod (2021) đã có phát hiện rằng luôn có những tác động bất lợi giữa các khoản cho vay không hiệu quả đối với KNSL Đồng thời, Suvita & Xiaofeng (2012) cũng tìm thấy mối tương quan âm giữa tỷ lệ nợ xấu và ROA Tuy nhiên, Kithinji (2010) lại cho rằng phần lớn lợi nhuận ngân hàng không bị tác động bởi nợ xấu Mặc dù có những bằng chứng trái ngược nhau về vấn đề này, nhưng theo quan điểm của lý thuyết và phần lớn các tài liệu thực nghiệm cho thấy có mối quan hệ tiêu cực giữa nợ xấu và hiệu quả hoạt động trong ngân hàng Mặc khác, có vài nghiên cứu khác chỉ ra rằng các ngân hàng có tài sản rủi ro hơn có thể yêu cầu lợi nhuận cao hơn để bù đắp cho rủi ro vỡ nợ cao hơn (Figlewski và cộng sự, 2012) Điều này có thể đúng đối với các thị trường mới nổi, nơi biến động kinh tế vĩ mô cao hơn nhiều so với các thị trường phát triển, do đó chênh lệch lãi suất ngân hàng có thể tăng tương ứng với rủi ro vỡ nợ cao hơn (Saona, 2016) và theo như lý thuyết về gia tốc tài chính đã từng chứng minh Draghi (2017) nhận thấy rằng các khoản nợ xấu không chỉ là nguyên nhân làm giảm KNSL của khu vực ngân hàng châu Âu mà còn là nguyên nhân khiến châu Âu tăng trưởng yếu trong hoạt động cho vay ngân hàng cũng như sự phục hồi chậm về hiệu quả sản xuất Có thể nói, việc nắm giữ các tài sản kém hiệu quả sẽ làm cho nguồn vốn ngân hàng bị ràng buộc, đồng thời bị xói mòn do KNSL yếu Aiyar và cộng sự (2015) cho rằng nợ xấu cản trở KNSL của ngân hàng, mức an toàn vốn và chi phí huy động vốn Điều tra của Carlson và cộng sự (2013) với dữ liệu bảng của Hoa Kỳ và Cucinelli (2015) với dữ liệu bảng của Ý, cũng tìm thấy tác động tiêu cực đến tăng trưởng nợ từ các khoản nợ xấu Huljak và cộng sự (2020) kết luận rằng nợ xấu làm giảm hoạt động cho vay của ngân hàng Từ những lập luận trên tác giả kỳ vọng mối tương quan âm trong mối quan hệ này

Giả thuyết 𝐻 1 : Tỷ lệ nợ xấu (NPL) có ảnh hưởng tiêu cực (-) đến KNSL của các NHTM

Tác động của Covid – 19 (NPL*COVID19): Biến giả COVID19 được sử dụng nhằm xem xét tác động của nợ xấu đến lợi nhuận ngân hàng trong sự ảnh hưởng của dịch bệnh Covid – 19 giai đoạn 2020 – 2022 Do ảnh hưởng của đại dịch lên nền kinh tế, nhiều doanh nghiệp và người tiêu dùng đã gặp nhiều khó khăn về mặt tài chính Điều này làm tăng nguy cơ các khoản vay không trả được, gây áp lực nặng nề lên ngành ngân hàng Để làm rõ tác động của đại dịch, một số nhà phân tích đã tiến hành phân tích ảnh hưởng của dịch Covid-19 đối với các ngân hàng trong thời gian vừa qua Điển hỡnh như là Ҫolak và ệztekin (2021) xem xột đại dịch Covid - 19 đó ảnh hưởng như thế nào đến hoạt động cho vay trong ngân hàng trên toàn cầu nhằm khuếch đại hoặc giảm thiểu tác động của sự lây lan của căn bệnh này đối với tín dụng ngân hàng Kết quả thấy rằng tốc độ tăng trưởng của các khoản cho vay đã giảm đáng kể trước những rủi ro liên quan đến đại dịch và tác động tiêu cực này đến tăng trưởng cho vay Tương tự, Beck và Keil (2022) xem xét tác động của Covid - 19 đối với sức khỏe của hệ thống ngân hàng và nhận thấy rằng nợ xấu và dự phòng rủi ro tín dụng đã tăng đáng kể trong năm 2020, đặc biệt là đối với những ngân hàng chịu ảnh hưởng nhiều hơn về mặt địa lý với các chính sách phong tỏa Hơn nữa, mặc dù khoản vay ngân hàng giảm nhưng tỷ lệ nợ xấu trung bình vẫn tăng đáng kể khi dịch Covid - 19 gia tăng (Kryzanowski và cộng sự, 2023) Từ các kết quả trên tác giả kỳ vọng về tác động tiêu cực trong mối quan hệ này

Giả thuyết 𝐻 2 : Dịch bệnh Covid – 19 (COVID – 19) ảnh hưởng tiêu cực (-) đến mối quan hệ giữa nợ xấu và KNSL của các NHTM

Tỷ lệ vốn (CAP): Là chỉ số đo lường mức độ an toàn và khả năng chống chịu trước rủi ro của ngân hàng, từ đó phản ánh tiềm lực sức mạnh cũng như vị thế cạnh tranh của từng ngân hàng Ongore và Kusa (2013) đã cho rằng tổng vốn chủ sở hữu càng cao thì càng đảm bảo thanh khoản cho ngân hàng, vì có thể thấy trước các ảnh hưởng từ thị trường thì việc các khách hàng bất ngờ cần nhu cầu rút với lượng tiền lớn là không thể tránh khỏi Với nguồn vốn càng lớn, các ngân hàng sẽ càng hạn chế được việc gọi tài trợ vốn với chi phí cao, bằng chứng là Nouaili và cộng sự (2015) đã cho rằng một ngân hàng có vốn hóa cao sẽ có nhu cầu vay nợ ít hơn, do đó có thể giảm chi phí nợ Onuonga (2014) cũng đã chứng minh thêm rằng các ngân hàng có vốn hóa cao có thể đạt được các yêu cầu về vốn do các Cơ quan giám sát ngân hàng đề ra dẫn đến việc có thể tiến hành hoạt động cấp tín dụng cho khách hàng nhiều hơn, góp phần gia tăng hiệu quả hoạt động cho vay của ngân hàng Điều này đã được chứng minh thông qua lý thuyết về cấu trúc – hành vi – kết quả Đã có nhiều kết quả thử nghiệm thể hiện mối tương quan dương giữa vốn và KNSL của ngân hàng, điển hình như một vài các nghiên cứu cho thấy mối quan hệ tích cực giữa vốn hóa và lợi nhuận ngân hàng (Pervan và cộng sự, 2015) Qua đó cho thấy việc có vốn hóa mạnh sẽ càng vững vàng hơn trong quá trình hoạt động trước các cú sốc kinh tế cũng như khả năng tự phục hồi và từng bước mở rộng quy mô, từ đó tăng uy tín trên thị trường

CAP = Tổng vốn chủ sở hữu

Tổng tài sản Giả thuyết 𝐻 3 : Tỷ lệ vốn (CAP) có ảnh hưởng tích cực (+) đến KNSL của các NHTM

Tỷ lệ tiền gửi (DEP): Tiền gửi khách hàng chiếm phần lớn trong tổng nguồn vốn huy động tại các ngân hàng và là cơ sở để tính lợi tức từ việc điều tiết chênh lệch lãi suất hợp lý giữa tiền gửi và các khoản cho vay Có thể nói, nguồn vốn huy động từ tiền gửi của khách hàng được xem là nguồn vốn có chi phí thấp và ít biến động hơn các nguồn khác trong cơ cấu nợ phải trả (Hồ Thị Hồng Minh và Nguyễn Thị Cành, 2015) Vì vậy nếu nguồn vốn này tăng sẽ giúp ngân hàng giảm bớt chi phí sử dụng vốn, từ đó làm tăng lợi nhuận Việc một ngân hàng có được tỷ lệ tiền gửi cao sẽ thể hiện được sự tin tưởng của khách hàng trong việc bảo đảm sự an toàn cho tiền tiết kiệm của khách hàng Kanagaretnam và cộng sự (2019) và Mourouzidou-Damtsa và cộng sự (2019) nhận thấy rằng niềm tin từ xã hội sẽ làm giảm rủi ro ngân hàng, đặc biệt Duan và cộng sự (2021) cũng đã chứng minh rằng niềm tin xã hội cao sẽ làm giảm rủi ro hệ thống của ngân hàng liên quan đến đại dịch Covid - 19, từ đó góp phần cải thiện KNSL Bên cạnh đó, phần lớn các nghiên cứu trước đây đều đưa ra rằng tiền gửi khách hàng có tác động cùng chiều đến hiệu quả hoạt động của các NHTM như Garcia – Herrero và cộng sự (2009) đã từng tìm thấy Vì rõ ràng nguồn vốn huy động càng dồi dào thì các ngân hàng càng chứng tỏ được khả năng tự doanh ổn định chỉ từ nguồn vốn của mình Hơn nữa, trong công cuộc điều tra của Grandi và Guille (2023) đã cho rằng việc các ngân hàng mở rộng hoạt động cho vay nâng cao lợi nhuận chủ yếu phụ thuộc tiền gửi huy động được Từ các kết quả đã được tổng hợp từ các kết quả trước, có thể thấy rằng tiền gửi khách hàng có tác động đáng kể đến KNSL của ngân hàng

Tổng tài sản Giả thuyết 𝐻 4 : Tỷ lệ tiền gửi (DEP) có ảnh hưởng tích cực (+) đến KNSL của các NHTM

Tổng các khoản cho vay và cho thuê trên Tổng tài sản (LOANS): Việc duy trì và nâng cao nguồn vốn luôn mục đích quan trọng trong động cho vay Trong nền kinh tế đang phát triển, vai trò tài trợ vốn của hệ thống ngân hàng là vô cùng cần thiết cho các chủ thể kinh tế khác nhau để họ có nguồn tài chính ổn định để kinh doanh, sản xuất và tiêu dùng Vì vậy, đòi hỏi ngân hàng phải nắm bắt cơ hội kịp thời trong việc mở rộng hoạt động tín dụng để giúp nền kinh tế cũng như hệ thống ngân hàng đạt hiệu quả cao nhất Bên cạnh đó, nghiệp vụ cho vay và cho thuê tài sản cũng là hoạt động sinh lời chính của các ngân hàng trong việc điều tiết lợi tức chênh lệch Hầu hết các kết quả phân tích trước đây cho rằng khi ngân hàng đẩy mạnh doanh số cho vay thì sẽ góp phần nâng cao lợi nhuận, bởi lẽ hoạt động cho vay là hoạt động chính của ngân hàng Theo DeYoung và Rice (2003), tỷ suất lợi nhuận ngân hàng tăng theo tỷ lệ cấp tín dụng dù cho chi phí lãi có gia tăng Nghiên cứu của Đặng Văn Dân (2020) cũng cho rằng từ việc tăng trưởng cho vay trong ngắn hạn và dài hạn đã góp phần gia tăng lợi nhuận ngân hàng

LOANS = Tổng cho vay và cho thuê

Giả thuyết 𝐻 5 : Tỷ lệ Tổng cho vay và cho thuê trên Tổng tài sản (LOANS) có ảnh hưởng tích cực (+) đến KNSL của các NHTM

Dự phòng rủi ro tín dụng (LLP): Việc giảm thiểu tác động của rủi ro tín dụng luôn được ưu tiên hàng đầu, vì vậy ngân hàng thường cẩn trọng trong việc thiết lập các chiến lược và biện pháp dự phòng rủi ro Dự phòng rủi ro là quá trình tính toán và đặt ra một khoản tiền dự trữ nhằm ứng phó trước những rủi ro có thể xảy ra trong quá trình cung cấp tín dụng Trong quá trình tính toán đòi hỏi về khả năng quản lý rủi ro, trình độ thẩm định trong cho vay khách hàng nhằm kiểm soát lượng tiền trong việc trích lập dự phòng Việc gia tăng hiệu quả quản lý nhằm giảm thiểu rủi ro là điều cần thiết vì nó đã được lập luận trong lý thuyết về cấu trúc hiệu quả Khi nhận thấy được các khoản cho vay không hiệu quả, buộc phải gia tăng dự phòng rủi ro vỡ nợ cho các khoản vay đó, việc có quá nhiều dự phòng do có lượng khách hàng đang nằm ở nhóm nợ xấu nhiều dẫn tới việc có khả năng vỡ nợ cao Nếu không nỗ lực trong việc kiểm soát rủi ro tín dụng sẽ ảnh hưởng nghiêm trọng đến hoạt động ngân hàng cũng như khó khăn trong việc mở rộng dịch vụ mới, từ đó gây trở ngại trong việc tìm kiếm và giữ chân khách hàng đến ngân hàng gửi tiền Jara – Bertin và cộng sự (2014), Bougatef (2017) và Phan Thị Hằng Nga (2017) đều đã chỉ ra được mối tương quan âm giữa rủi ro tín dụng và KNSL Từ những lập luận trên cho thấy rủi ro tín dụng càng tăng, ngân hàng càng buộc phải tăng mức trích dự phòng rủi ro, do đó làm giảm lợi nhuận

LLP = Dự phòng rủi ro tín dụng

Giả thuyết 𝐻 6 : Dự phòng rủi ro tín dụng (LLP) có ảnh hưởng tiêu cực (-) đến KNSL của các NHTM

Tốc độ tăng trưởng tín dụng (GRO): chỉ tiêu này dùng để so sánh tốc độ tăng trưởng dư nợ tín dụng qua các năm, đồng thời phản ảnh được tình hình cho vay của các ngân hàng Tốc độ tăng trưởng tín dụng là một trong những yếu tố quyết định đến rủi ro tín dụng Vogiazas và Nikolaidou (2011) cho rằng tăng trưởng tín dụng cao hơn dẫn đến rủi ro tín dụng cao hơn, từ đó làm tăng trích lập dự phòng dẫn đến giảm lợi nhuận cho ngân hàng Thêm vào đó, việc tăng trưởng tín dụng có thể gây ra những áp lực cạnh tranh trong thị trường tài chính, vì khi có sự cạnh tranh giữa các ngân hàng để cung cấp tín dụng sẽ gây nên áp lực giảm lãi suất kéo theo làm giảm lợi nhuận Tuy nhiên theo nghiên cứu của Đặng Văn Dân (2020) cho rằng sẽ có tác động cùng chiều của tăng trưởng tín dụng đến lợi nhuận ngân hàng năm hiện hành nhưng hiệu ứng này chỉ duy trì đến 2 năm sau đó và khi đến năm thứ 3 thì việc tăng trưởng tín dụng trước đó lại tác động đảo chiều và ảnh hưởng tiêu cực đến lợi nhuận của ngân hàng Có thể nguyên nhân dẫn đến sự đảo chiều bắt nguồn từ việc nâng cao quá mức tín dụng, vượt khỏi tầm kiểm soát và làm mầm mống phát sinh các khoản nợ không đạt chuẩn, qua thời gian các khoản nợ này tất yếu đã tác động nặng nề đến lợi nhuận ngân hàng Vì vậy, tốc độ tăng trưởng tín dụng cao có thể là một tín hiệu ngược chiều cho rủi ro tín dụng, vì khi đó các ngân hàng có nguy cơ gặp phải những khoản vay kém chất lượng, dẫn đến khả năng bị thất thoát trong tương lai

Tốc độ tăng trưởng tín dụng = Tổng dư nợ năm t – tổng dư nợ năm t−1

Tổng dư nợ năm t−1 Giả thuyết 𝐻 7 : Tốc độ tăng trưởng tín dụng (GRO) có ảnh hưởng tiêu cực (-) đến KNSL của các NHTM

Tốc độ tăng trưởng hàng năm của GDP thực tế (GDP): Tốc độ tăng trưởng GDP có ảnh hưởng lớn đến hoạt động của ngân hàng và hệ thống tài chính nói chung Đây là thước đo tiền tệ về giá trị thị trường của tất cả hàng hóa và dịch vụ cuối cùng được một quốc gia trong một khoảng thời kỳ một năm Khi tốc độ tăng trưởng GDP tăng đều là một tín hiệu khả quan cho tất cả nền kinh tế trên Thế giới, nó thể hiện quốc gia đó đang hoạt động có hiệu quả và có khả năng phát triển trong tương lai Khi nền kinh tế phát triển, doanh nghiệp và cá nhân thường có nhu cầu vay mượn để đầu tư, mở rộng kinh doanh hoặc mua sắm Đồng thời, người dân cũng sẽ có xu hướng gửi tiền vào tài khoản ngân hàng và sử dụng các sản phẩm tiết kiệm hoặc đầu tư Từ đó, tạo ra cơ hội cho ngân hàng tăng cường hoạt động tín dụng, cung cấp các sản phẩm và dịch vụ tài chính Tăng trưởng kinh tế có thể làm tăng nhu cầu đối với các sản phẩm và dịch vụ tài chính do ngân hàng cung cấp trong thời kỳ phát triển, do đó cải thiện KNSL của ngõn hàng (Athanasoglou và cộng sự, 2008; Demirgỹỗ-Kunt và Huizinga, 1999; Dietrich và Wanzenried, 2014) Dựa vào các ý kiến đã đưa ra, tác giả kỳ vọng tốc độ tăng trưởng GDP của Việt Nam trong những năm qua sẽ có tác động tích cực đến lợi nhuận của các ngân hàng

Giả thuyết 𝐻 8 : Tốc độ tăng trưởng hàng năm của GDP thực tế (GDP) có ảnh hưởng tích cực (+) đến KNSL của các NHTM

Tỷ lệ lạm phát (INF): Lạm phát thường đi kèm với sự giảm giá trị của tiền tệ Điều này có thể tạo ra biến động trong thị trường ngoại hối và ảnh hưởng đến giá trị tài sản của ngân hàng, đặc biệt là nếu họ giữ nhiều khoản tài sản ở dạng tiền tệ Lạm phát thường đi kèm với tăng lãi suất, làm cho chi phí vốn tăng theo, làm giảm lợi nhuận từ các hoạt động tín dụng Có thể nói, khi tỷ lệ lạm phát gia tăng đột ngột sẽ làm giảm lợi nhuận từ các khoản cho vay dài hạn và nếu lãi suất cho vay là cố định thì sẽ có tác động trực tiếp vào lợi nhuận Có thể tỷ lệ lạm phát cao sẽ dẫn đến lãi suất cho vay cao hơn, nhưng về lâu dài nếu lãi suất tăng cao có thể làm tăng rủi ro trả nợ từ người đi vay, cuối cùng đe dọa tính thanh khoản và giảm khả năng trả nợ của họ (Pervan và cộng sự, 2015) Do đó, tác giả kỳ vọng mối tương quan âm giữa tỷ lệ lạm phát và lợi nhuận của các NHTM tại Việt Nam

Giả thuyết 𝐻 9 : Tỷ lệ lạm phát (INF) có ảnh hưởng tiêu cực (-) đến KNSL của các NHTM

Bảng 3 3: Kỳ vọng về dấu và bằng chứng thực nghiệm các biến trong mô hình

Tên biến Kỳ vọng dấu Nghiên cứu có liên quan

Dietrich và Wanzenried (2014); Draghi (2017); Aiyar và cộng sự (2015); Carlson và cộng sự (2013); Cucinelli (2015); Huljak và cộng sự (2020)

LLP - Jara – Bertin và cộng sự (2014), Bougatef (2017) và

GRO - Vogiazas và Nikolaidou (2011), Đặng Văn Dân

Nouaili và cộng sự (2015); Onuonga (2014); Goddard và cộng sự (2004); Berger (1995); Pervan và cộng sự (2015)

DEP + Garcia – Herrero và cộng sự (2009); Grandi và Guille

LOANS + DeYoung và Rice (2003); Đặng Văn Dân (2019)

GDP + Athanasoglou và cộng sự (2008); Demirgỹỗ-Kunt và

INF - Pervan và cộng sự (2015)

NPL *COVID19 - Ҫolak và ệztekin (2021); Beck và Keil (2022);

(Nguồn: Tổng hợp của tác giả)

Phương pháp nghiên cứu

Bài khóa luận được sử dụng phương pháp nghiên cứu định lượng là chủ yếu, để tiến hành phân tích, bài viết đã sử dụng cụ thể các phương pháp sau: Thống kê mô tả (Descriptive statistics), phân tích tương quan (Correlation analysis) và phân tích hồi quy dữ liệu bảng (Panel data regression) theo mô hình hồi quy gộp (Pooled OLS), mô hình các yếu tố ảnh hưởng cố định (FEM) và mô hình các yếu tố ảnh hưởng ngẫu nhiên (REM) để lựa chọn mô hình phù hợp Nếu có xảy ra các vi phạm như đa cộng tuyến nghiêm trọng, phương sai sai số thay đổi và tự tương quan thì kết quả hồi quy cuối cùng sẽ được xác định theo phương pháp bình phương nhỏ nhất tổng quát (FGLS).

KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN

Kết quả nghiên cứu tác động của nợ xấu đến hiệu quả kinh doanh của các Ngân hàng thương mại Việt Nam

Ở bảng kết quả thống kê này đã cho thấy có tất cả là 308 biến quan sát và dữ liệu của 11 năm tại các NHTM, đã đưa ra được giá trị trung bình, độ lệch chuẩn, giá trị nhỏ nhất và giá trị lớn nhất của hai nhóm biến phụ thuộc (ROE và ROA) và độc lập bao gồm: Tỷ lệ nợ xấu (NPL); Tốc độ tăng trưởng tín dụng (GRO); Tỷ lệ vốn (CAP); Tỷ lệ tiền gửi (DEP); Tổng các khoản cho vay và cho thuê trên Tổng tài sản (LOANS); Dự phòng rủi ro tín dụng (LLP); Tốc độ tăng trưởng GDP thực tế hàng năm (GDP); và Tỷ lệ lạm phát (INF) Bên cạnh đó, tác giả còn đề cập đến tác động của dịch bệnh Covid – 19 thông qua biến giả là COVID19

Bảng 4.4: Kết quả thống kê mô tả các biến trong mô hình

Biến GTTB Trung vị GTLN GTNN Độ lệch chuẩn

Nguồn: Tác giả tổng hợp

4.1.1 Tỷ suất sinh lời trên vốn chủ sở hữu (ROE)

Kết quả từ bảng thống kê 4.4 cho thấy ROE trong tổng số 28 NHTM có giá trị trung bình là 10.346% và cao nhất là 30.33% vào năm 2021 thuộc về ngân hàng VIB, thấp nhất là 0.0% vào năm 2022 thuộc về ngân hàng NVB Ngoài ra, cho thấy mức độ lệch chuẩn tương đối cao, cụ thể là 0.0752, điều này phản ánh được có sự chênh lệch lớn của ROE giữa các ngân hàng với nhau Có thể thấy được chỉ tiêu đạt cao ở có ngân hàng có mức độ bao phủ rộng rãi và có uy tín trong xã hội cao Đặc biệt các hầu hết ngân hàng này đều có sự góp vốn của nhà nước và một số có các ngân hàng có năng lực quản lý hiệu quả nổi trội

Biểu đồ 4.1: Tỷ suất sinh lời bình quân trên vốn chủ sở hữu (ROE) của các

NHTM Việt Nam giai đoạn 2012 – 2022

Nguồn: Tác giả tổng hợp

Qua biểu đồ 4.1 cho thấy một xu hướng tăng trưởng rõ nét, mặc dù có trải qua vài sự biến động giảm ở các năm đầu tiên nhưng nhìn chung là có sự tăng trưởng tương đối đều trong cái năm sau đó Tỷ lệ này bắt đầu ở mức 7.51% vào năm 2012 và đạt 16.19% ở năm 2022 ROE trung bình ở các NHTM ở năm 2015 đạt thấp nhất với tỷ lệ là 6.19%, nguyên nhân từ việc chịu ảnh hưởng khó khăn chung của nền kinh tế vào năm 2013, 2014 có nhiều doanh nghiệp phá sản khiến tín dụng khó khăn và nợ xấu tăng ảnh hưởng đến lợi nhuận ngân hàng Tuy nhiên, trong giai đoạn tiếp theo từ

2015 – 2022, ROE có sự cải thiện vượt bậc và đạt mức cao nhất là 16.19% ở năm

2022 mặc dù đã trải qua thời kỳ dịch bệnh ở năm 2020 Có thể lý giải cho tăng trưởng này là vì có sự điều chỉnh lãi suất và điều chỉnh quản lý phù hợp với từng giai đoạn một cách nhanh chóng sau khi có kinh nghiệm vì phải trải qua cú sốc dịch bệnh, đồng thời đã có sự ổn định hơn trong thị trường tài chính đã tạo điều kiện thuận lợi cho hoạt động của ngân hàng Nhìn chung, các ngân hàng đã có sự phòng ngừa rủi ro sau khi trải qua cú sốc kinh tế và nâng cấp đầu tư vào công nghệ hiện đại cũng như cải thiện hiệu quả làm việc nhằm nâng cao vị thế của mình

4.1.2 Tỷ suất sinh lời trên tổng tài sản (ROA)

Dựa vào bảng kết quả 4.4 cho thấy ROA trong tổng số 28 NHTM có giá trị trung bình là 0.87% và cao nhất là 3.58% vào năm 2021 thuộc về ngân hàng TCB, thấp nhất là 0.0% từ năm 2020 đến 2022 thuộc về ngân hàng NVB Điều này cho thấy từ tỷ lệ của ROE đến ROA NVB luôn ở tỷ lệ thấp, vì vậy cần có sự điều chỉnh nhanh chóng trong cấu trúc ngân hàng cũng như kiểm soát chặt chẽ lại tình trạng nợ xấu nhằm cải thiện lợi nhuận trong tương lai Ngoài ra, cho thấy mức độ lệch chuẩn không cao, cụ thể là 0.007 chứng tỏ được không có sự chênh lệch quá lớn như ROE giữa các ngân hàng với nhau, phản ánh tình hình hoạt động giữa có các NHTM có sự phát triển tương đối đồng đều, là một tín hiệu khởi sắc trong nền kinh tế Việt Nam từ sau đợt khủng hoảng 2008 – 2009

Biểu đồ 4 2: Tỷ suất sinh lời bình quân trên tài sản (ROA) của các NHTM Việt

Nguồn: Tác giả tổng hợp

Mặc dù nhìn chung có sự tăng trưởng từ 0.8% năm 2012 đến 1.45% năm 2022 nhưng xét về từng giai đoạn ta lại thấy có sự giảm sút ROA từ năm 2012 – 2015 Các chuyên gia nhận định rằng, việc này là hệ lụy từ cuộc khủng hoảng kinh tế 2008 –

2009 và từ đó đến năm 2012 đã có nhiều biến động giảm trong mức tăng trưởng tín dụng, đồng thời việc gia tăng nợ xấu cũng ảnh hưởng nghiêm trọng đến lợi nhuận ngân hàng Bên cạnh đó, TS Lê Hà Diễm Chi (2022) cũng đã rà soát về tỷ suất sinh lời và cho rằng giai đoạn này có sự gia tăng quy mô nhưng hiệu quả tài chính giảm, các ngân hàng nhỏ có hiệu quả tài chính tốt hơn ngân hàng lớn vì các ngân hàng lớn không nhận được lợi thế kinh tế theo quy mô, trong khi các ngân hàng nhỏ tận dụng được lợi thế kinh tế theo phạm vi Từ đó, đã có nhiều giải pháp đặt ra nhằm cải thiện lợi nhuận và dễ thấy được các biện pháp đã được vận dụng hiệu quả trong giai đoạn tiếp theo Nhìn chung, ROA đã phải trải qua nhiều biến động, đối mặt với nhiều khó khăn và cơ hội trong suốt những năm qua, đặc biệt là 2020 đạt mức thấp kỷ lục vì Covid – 19 Tuy nhiên, nhờ có sự quản lý hiệu quả trong việc sử dụng tài sản và sự thành công trong việc cơ cấu lại hệ thống tổ chức tín dụng sau 05 năm, lợi nhuận ngân hàng vẫn không ngừng tăng trưởng và quy mô ngày càng mở rộng

4.1.3 Dự phòng rủi ro tín dụng (LLP)

Dựa theo kết quả ở bảng 4.4 cho thấy mức trích lập dự phòng trên tổng dư nợ (LLP) trung bình của các NHTM là 1.336% cùng với mức lệch chuẩn khá thấp là 0.0046 Thấp nhất ở ngân hàng VIB năm 2018 với tỷ lệ là 0.63% và cao nhất là ở ngân hàng Agribank năm 2013 với tỷ lệ là 3.34%, nối tiếp sau đó là VPB với mức dự phòng là 3.11% vào năm 2022

Nguồn: Tác giả tổng hợp

Từ dữ liệu được tổng hợp, VPB luôn liên tục đứng vị trí đầu vào năm 2021 và

2022 về mức dự phòng rủi ro tín dụng Nguyên nhân của tình trạng này là ảnh hưởng từ việc chịu áp lực của nợ xấu vì hệ quả của tình trạng kinh doanh khó khăn của các doanh nghiệp, đặc biệt là trong lĩnh vực bất động sản trong tình hình Việt Nam vừa trải qua khủng hoảng và chưa thể phục hồi sau những mất mát từ đại dịch Covid –

19 Không chỉ riêng ở giai đoạn này có sự tăng trưởng tín dụng mạnh mà còn dễ dàng thấy được ở giai đoạn 2012 và 2013, bởi lẽ thời kỳ khủng hoảng kinh tế từ 2008 đến

2013 còn gây ra nhiều hệ lụy, buộc các ngân hàng phải tăng mức trích lập dự phòng để đảm bảo tính ổn định cho ngân hàng trước những biến động kinh tế Việc trích lập dự phòng đầy đủ cũng sẽ đảm bảo được các khoản nợ xấu tốt hơn, cho thấy các ngân

Biểu đồ 4.3: Tỷ lệ dự phòng rủi ro tín dụng của các NHTM Việt

LLP hàng đã chủ động nguồn lực đảm bảo kiểm soát tỷ lệ nợ xấu trong mức kiểm soát, đồng thời cũng giảm áp lực của nợ xấu trong tương lai Khi nền kinh tế bắt đầu ổn định lại từ năm 2015 – 2019 thì mức trích lập mới được cắt giảm vì khi đó tình hình tài chính của khách hàng cũng được cải thiện, do đó ngân hàng có thể cắt giảm mức dự phòng mà không ảnh hưởng đến sự ổn định tài chính Tỷ lệ này liên kết sâu sắc với tình hình tài chính của quốc gia, vì vậy những ngân hàng có tỷ trọng lớn về tỷ lệ trích lập dự phòng thì càng cần phải hết sức thận trọng trong việc đưa ra mức trích lập, đảm bảo được sự ổn định và khả năng quản lý rủi ro không những cho ngân hàng mà còn cho toàn bộ hệ thống

Dựa vào bảng 4.4 cho thấy mức tỷ trọng thấp nhất là 4.06% vào năm 2017 thuộc về ngân hàng BIDV, trong khi tỷ lệ này cao nhất ở ngân hàng SGB với tỷ trọng là 23.84% vào năm 2013 Đồng thời cũng cho thấy được tỷ lệ vốn trung bình của các NHTM ở Việt Nam là 8.9% và độ lệch chuẩn là 0.037 là một mức chênh lệch không quá lớn về vốn giữa các ngân hàng

Biểu đồ 4.4: Quy mô vốn chủ sở hữu trên tổng tài sản bình quân của các

NHTM Việt Nam giai đoạn 2012 – 2022

Nguồn: Tác giả tổng hợp

Dựa vào số liệu đã được tổng hợp ở biểu đồ 4.4 cho thấy một chiều hướng giảm từ năm 2012 đến năm 2017 và sau đó tăng trưởng ổn định trở lại đến năm 2022

Sở dĩ giai đoạn trước năm 2017 có xu hướng giảm do một vài lý do phụ thuộc vào tình hình cụ thể của từng ngân hàng Điển hình như tỷ lệ vốn ở BIDV năm 2017 ở mức thấp vì có nhiều phương án được đưa ra nhưng không phương án nào thực hiện được như việc ngân hàng đã phát hành ESOP cho nhân viên, chào bán cổ phần cho cổ đông hay trả cổ tức bằng cổ phiếu Trong khi vào 26.09.2012 SGB có đợt tăng vốn điều lệ kỷ lục là 3.080 tỷ đồng, nhờ vậy kết quả kinh doanh sau đó liên tục có lời, cổ đông nhận được cổ tức cao từ vốn đầu tư ban đầu Giai đoạn sau 2017 có sự tăng trưởng ổn định lại là vì khi bước vào nền kinh tế cạnh tranh phát triển, ngoài việc nâng cao chiến lược đầu tư thúc đẩy lợi nhuận thì các ngân hàng cần phải tuân thủ các quy định, tiêu chuẩn của ngành, bao gồm tỷ lệ vốn yêu cầu Cụ thể, phải duy trì tỷ lệ an toàn vốn tối thiểu là 9% giữa vốn và tổng tài sản, đồng thời phải duy trì vốn điều lệ tối thiểu là 3000 tỷ đồng theo thông tư 36/2014 và 09/2010 theo NHNN Điều này đảm bảo các ngân hàng duy trì mức vốn an toàn và hạn chế rủi ro tài chính Ngoài ra, việc nâng cao tỷ lệ vốn có thể giúp ngân hàng giảm chi phí vốn vì khi đó ngân hàng có thể tự cung cấp vốn hoạt động, dẫn đến giảm vay nợ hay có thể thu hút vốn đầu tư và tăng lòng tin của khách hàng dựa trên uy tín của mình

4.1.5 Tỷ lệ tiền gửi (DEP)

Phân tích tương quan

Sau khi thực hiện thống kê mô tả các biến trong mô hình, tác giả tiến hành trình tự thực hiện để cho ra kết quả cuối cùng như sau: Đầu tiên là phân tích tương quan giữa các biến, sau đó là phân tích đa cộng tuyến tìm ra khuyết tật giữa các biến độc lập Tiếp theo là hồi quy theo phương pháp Pooled OLS để đánh giá tác động của các biến độc lập đến hai biến phụ thuộc và thực hiện ngay kiểm định phương sai sai số thay đổi (White) và kiểm định tự tương quan (Wooldridge) cho từng mô hình Để khắc phục những khuyết tật sau khi kiểm định, tác giả thực hiện ước tính mô hình FEM, REM và dùng kiểm định Hausman để lựa chọn FEM hay REM sẽ phù hợp với từng mô hình; sau đó tiếp tục kiểm định phương sai sai số thay đổi ở mô hình được chọn và nếu có khuyết điểm sẽ thực hiện hồi quy theo phương pháp FGLS để khắc phục

Bảng 4.5: Ma trận tương quan của các biến trong mô hình

ROE ROA CAP DEP LOANS LLP GDP GRO NPL INF

Nguồn: Tác giả tổng hợp

Dựa vào bảng 4.5 ta thấy có mối tương quan dương với ROE gồm các biến CAP, LOANS và tương quan mạnh nhất với ROE là LOANS Ngược lại, các biến tương quan âm với ROE gồm DEP, LLP, GDP, GRO, NPL, INF và tương quan mạnh mẽ nhất với ROE là NPL Tương tự đối với ROA, tương quan dương vẫn là CAP, LOANS, tương quan mạnh nhất là LOANS; tương quan âm gồm DEP, LLP, GDP, GRO, NPL, INF và tương quan mạnh nhất là NPL

Việc tiến hành phân tích tương quan nhằm giúp tác giả thấy được mối quan hệ giữa các biến và tính toán dựa trên các biến đã được xem xét lựa chọn phù hợp, đồng thời để đảm bảo không tồn tại lỗi đa cộng tuyến trong mô hình (Hệ số tương quan giữa hai biến độc lập lớn hơn 0.8).

Phân tích hồi quy và lựa chọn mô hình

4.3.1 Phân tích đa cộng tuyến

Việc tiến hành kiểm định này nhằm chắc chắn xem các mô hình có hiện tượng đa cộng tuyến hay không Bằng cách tính toán hệ số tương quan và hệ số phóng đại phương sai (VIF), nếu có hiện tượng đa cộng tuyến thì hệ số tương quan giữa hai biến độc lập sẽ lớn hơn 0.8 hoặc hệ số VIF trung bình sẽ lớn hơn 2 Ở phần này, tác giả sẽ lần lượt kiểm định mô hình có biến phụ thuộc là PROF và mô hình có biến phụ thuộc PROF - có sự tác động của biến điều tiết là COVID-19

Bảng 4.6: Kiểm định đa cộng tuyến của Mô hình 1

Nguồn: Tác giả tổng hợp

Kết quả mô hình ở bảng 4.6 cho thấy không có hiện tượng đa cộng tuyến vì chỉ số VIF có giá trị trung bình là 1.19, tức nhỏ hơn 2 Vì vậy, phân tích hồi quy có thể sử dụng được với các biến đã kỳ vọng

Bảng 4.7: Kiểm định đa cộng tuyến của Mô hình 2

Nguồn: Tác giả tổng hợp

Tương tự ở mô hình 2 (bảng 4.7) không có hiện tượng đa cộng tuyến vì chỉ số VIF có giá trị trung bình là 1.35, tức nhỏ hơn 2 Do đó, phân tích hồi quy có thể sử dụng được với các biến đã đưa ra

4.3.2 Ước tính mô hình POOLED OLS

Sau khi đã thực hiện các kiểm định về mối tương quan giữa các biến trong mô hình và xác định không có hiện tượng đa cộng tuyến, tác giả tiến hành hồi quy các mô hình theo phương pháp Pooled OLS để đánh giá tác động của các biến độc lập đến hai biến phụ thuộc lần lượt ở mô hình 1 (ROE là biến phụ thuộc) và mô hình 2 (ROA là biến phụ thuộc) Sau đó, để tăng độ chính xác, tác giả tiếp tục dùng White và kiểm định Wooldridge để xem xét có hiện tượng phương sai sai số thay đổi và tự tương quan của từng mô hình hay không

Bảng 4.8: Mô hình ước tính Pooled OLS của Mô hình 1 và Mô hình 2

ROE (biến phụ thuộc của mô hình 1)

ROA (biến phụ thuộc của mô hình 2)

Coef Std Err Coef Std Err

Nguồn: Tác giả tổng hợp

Với ROE là biến phụ thuộc: Từ kết quả hồi quy OLS ta thấy với mức ý nghĩa 1% thì có CAP, DEP, LOANS, LLP và NPL có ảnh hưởng đến ROE; với mức 10% có biến GDP và GRO ảnh hưởng đến ROE; không có biến nào ảnh hưởng ở mức 5% và INF không có ý nghĩa thống kê

Với ROA là biến phụ thuộc: Từ kết quả hồi quy OLS ta thấy với mức ý nghĩa 1% thì có CAP, DEP, LOANS, LLP và NPL ảnh hưởng đến ROE; với mức 5% có GDP, INF và GRO ảnh hưởng đến ROE và không có biến nào ảnh hưởng ở mức 10%

Nhằm tăng độ kiểm định chính xác, tác giả tiếp tục sử dụng kiểm định White và kiểm định Wooldridge để xem xét có hiện tượng phương sai sai số thay đổi và tự tương quan hay không

Bảng 4.9: Kết quả kiểm định phương sai sai số thay đổi và tự tương quan của

Mô hình 1 và Mô hình 2

Mô hình 1 (ROE là biến phụ thuộc) Mô hình 2 (ROA là biến phụ thuộc)

Kiểm định White về phương sai sai số thay đổi

Kiểm định White về phương sai sai số thay đổi chi2(44) = 53.31 chi2(44) = 108.74

Kiểm định tự tương quan

Kiểm định tự tương quan

Nguồn: Tác giả tổng hợp

Với kiểm định hiện tượng phương sai sai số thay đổi theo White, ta có giả thuyết như sau:

𝐻 0 : Không có hiện tượng phương sai sai số thay đổi

𝐻 1 : Xuất hiện hiện tượng phương sai sai số thay đổi

Với mức ý nghĩa 5%, ở biến phụ thuộc ROE và biến phụ thuộc ROA, ta có lần lượt Prob > chi2 = 0.1586 (lớn hơn 5%) và Prob > chi2 = 0.0000 (nhỏ hơn 5%), nên ở biến ROE chấp nhận giả thuyết H0 và ROA chấp nhận giả thuyết H1

Với kiểm định hiện tượng tự tương quan theo kiểm định Wooldridge, ta có các giả thuyết sau:

𝐻 0 : Không có hiện tượng tự tương quan

𝐻 1 : Xuất hiện hiện tượng tự tương quan

Từ kết quả của bảng 4.9, ta thấy ở hai biến phụ thuộc đều có Prob > F = 0.0000, do đó, ta phải bác bỏ 𝐻 0 và chấp nhận giả thuyết H1 là có hiện tượng tự tương quan ở cả hai mô hình 1 và mô hình 2

Bảng 4.10: Mô hình ước tính Pooled OLS của Mô hình 3 và 4

Mô hình 3 (ROE là biến phụ thuộc)

Mô hình 4 (ROA là biến phụ thuộc)

Coef Std Err Coef Std Err

Nguồn: Tác giả tổng hợp

Với ROE là biến phụ thuộc: Từ kết quả hồi quy OLS ta thấy với mức ý nghĩa 1% thì có CAP, DEP, LOANS, LLP và NPL có ảnh hưởng đến ROE; với mức 5% có biến GRO ảnh hưởng đến ROE; không có biến nào ảnh hưởng ở mức 10% và INF, GDP không có ý nghĩa thống kê

Với ROA là biến phụ thuộc: Từ kết quả hồi quy OLS ta thấy với mức ý nghĩa 1% thì có CAP, DEP, LOANS, LLP, GRO và NPL có ảnh hưởng đến ROE; không biến nào ảnh hưởng ở mức 5% và 10%; riêng INF và GDP không có nghĩa thống kê

Bảng 4.11: Kết quả kiểm định phương sai sai số thay đổi và tự tương quan của

Mô hình 3 và Mô hình 4

Mô hình 3 (ROE là biến phụ thuộc) Mô hình 4 (ROA là biến phụ thuộc)

Kiểm định White về phương sai sai số thay đổi

Kiểm định White về phương sai sai số thay đổi chi2(44) = 58.75 chi2(44) = 113.22

Kiểm định tự tương quan

Kiểm định tự tương quan

Nguồn: Tác giả tổng hợp

Với kiểm định hiện tượng phương sai sai số thay đổi theo White, ta có giả thuyết như sau:

𝐻 0 : Không có hiện tượng phương sai sai số thay đổi

𝐻 1 : Xuất hiện hiện tượng phương sai sai số thay đổi

Với mức ý nghĩa 5%, ở biến phụ thuộc ROE và biến phụ thuộc ROA, ta có Prob > chi2 = 0.2731 (lớn hơn 5%) và Prob > chi2 = 0.0000 (nhỏ hơn 5%), nên mô hình 1 không có hiện tượng phương sai sai số thay đổi và mô hình 2 thì ngược lại là có hiện tượng phương sai sai số thay đổi

Với kiểm định hiện tượng tự tương quan theo kiểm định Wooldridge, ta có các giả thuyết sau:

𝐻 0 : Không có hiện tượng tự tương quan

𝐻 1 : Xuất hiện hiện tượng tự tương quan

Từ kết quả của bảng 4.11, ta thấy ở hai biến phụ thuộc đều có Prob > F 0.0000, do đó, ta phải bác bỏ 𝐻 0 và chấp nhận giả thuyết H1 là có hiện tượng tự tương quan trong mô hình 1 và 2

4.3.3 Ước tính mô hình FEM và REM

Việc tiến hành kiểm định FEM và REM nhằm khắc phục các thiếu sót từ các mô hình trước và đảm bảo kết quả cho ra sẽ chính xác hơn Sau đó, tác giả tiếp tục sử dụng kiểm định Hausman để lựa chọn giữa FEM và REM thì mô hình nào sẽ phù hợp hơn; sau đó tiếp tục kiểm định phương sai sai số thay đổi ở mô hình được chọn và nếu có khuyết điểm sẽ thực hiện hồi quy theo phương pháp FGLS để khắc phục

Bảng 4.12: Mô hình ước tính FEM và REM của Mô hình 1 và 2 theo hai biến phụ thuộc ROE và ROA

Mô hình 1 (ROE là biến phụ thuộc)

Mô hình 2 (ROA là biến phụ thuộc)

Coef Std Err Coef Std Err Coef Std Err Coef Std Err

Nguồn: Tác giả tổng hợp

Với mô hình 1, ROE và ROA là biến phụ thuộc, ở phương pháp hồi quy FEM và REM với mức 1% có DEP, LOANS, NPL có ý nghĩa thống kê; với mức 5% ở cả hai phương pháp có CAP có ý nghĩa thống kê Còn lại các biến gồm LLP, INF, GRO đều không có ý nghĩa thống kê Khác biệt là ở biến CAP có ý nghĩa thống kê ở phương pháp FEM với mức ý nghĩa 5% còn ở phương pháp REM là ở mức ý nghĩa 1%

Thảo luận kết quả nghiên cứu

Bảng 4.20: Tổng hợp kết quả hồi quy của các mô hình nghiên cứu

Kết quả thực tế Mức ý nghĩa Kết quả thực tế Mức ý nghĩa ROE(1) ROA(2) ROE(1) ROA(2) ROE(3) ROA(4) ROE(3) ROA(4)

(Nguồn: Tổng hợp từ kết quả Stata)

Dựa vào kết quả của mô hình hồi quy theo phương pháp FGLS, ta có thể giải thích tác động của nợ xấu và các biến độc lập ảnh hưởng đến KNSL của các

NHTMCP niêm yết tại Việt Nam như sau:

4.4.1 Tỷ lệ nợ xấu Ở cả bốn mô hình NPL đều có tác động ngược chiều đến KNSL của ngân hàng và ở mức ý nghĩa 1% Cụ thể, khi NPL tăng 1% thì ROE và ROA từ mô hình 1 đến mô hình 4 giảm lần lượt 0.596%, 0.0624%, 0.98%, 0.098% Kết quả này đúng với giả thuyết ban đầu được đặt ra, NPL làm suy giảm trực tiếp đến lợi nhuận của ngân hàng thông qua việc tăng dự phòng rủi ro cho vay và thu nhập lãi thấp hơn Aiyar và cộng sự (2015) đã từng cho rằng nợ xấu cản trở KNSL của ngân hàng, mức an toàn vốn và chi phí huy động vốn

Hầu hết việc tỷ lệ nợ xấu tăng lên ở các ngân hàng đều là dấu hiệu cho thấy có nhiều khoản vay không thể trả cũng như chất lượng tín dụng tại các ngân hàng đang suy giảm Để giải quyết tình trạng này, buộc ngân hàng phải tăng trích lập dự phòng nhiều hơn, đồng thời chi phí vốn cũng tăng để quản lý tín dụng, từ đó làm giảm lợi nhuận cho ngân hàng Thực tế, những năm gần đây NPL có sự tăng trưởng liên tục hơn so với thời kỳ trước đó, vì ngân hàng mạnh tay cho vay vào thời kỳ tăng trưởng kinh tế và nhiều ngân hàng cũng đã dùng hết hạn mức tín dụng được giao Tuy việc tăng trưởng tín dụng đem lại kết quả kinh doanh tốt hơn nhưng đồng thời cũng dẫn đến việc nợ xấu ngày càng tăng Từ những bằng chứng trên, việc chấp nhận giả thuyết

𝐻 1 là hoàn toàn hợp lý

4.4.2 Tác động điều tiết của đại dịch Covid – 19 đến mối quan hệ giữa nợ xấu và lợi nhuận NHTM (LC*COVID19)

Sau khi thực hiện hồi quy theo phương pháp FGLS ở mô hình 3 và 4 có xét đến tác động điều tiết của dịch bệnh thông qua biến NPL*COVID19 và đều có ý nghĩa ở mức 1% Tuy nhiên, kết quả đã không như giả thuyết ban đầu là tác động

Không ý nghĩa ngược chiều, cụ thể khi NPL*COVID19 tăng 1% thì ROE (3) và ROA (4) tăng lần lượt 0.82% và 0.099% Điều này chứng minh trong bối cảnh Covid, nợ xấu có tác động âm thì Covid sẽ làm giảm tác động âm đó đến KNSL của ngân hàng

Những nghiờn cứu gần đõy như của Ҫolak và ệztekin (2021) và Beck và Keil (2022) đã xem xét tác động của Covid - 19 đối với sức khỏe của hệ thống ngân hàng và nhận thấy rằng nợ xấu và dự phòng rủi ro tín dụng đã tăng đáng kể trước những rủi ro liên quan đến đại dịch và tác động tiêu cực này đến tăng trưởng cho vay Ngoài ra, nghiên cứu của Phan Thị Hằng Nga và cộng sự (2022) đã cho ra tác động tiêu cực của Covid đến KNSL, điều này cũng góp phần nhấn mạnh tác động âm của nợ xấu đến lợi nhuận ngân hàng trong giai đoạn dịch bệnh

Tuy nhiên, việc lợi nhuận các ngân hàng lại tăng khi nợ xấu và Covid trong chiều hướng tiêu cực, có thể vì trong giai đoạn có đại dịch các ngân hàng đã tích cực các hoạt động dịch vụ như ngân hàng đại lý, bảo hiểm, tư vấn đầu tư và các hoạt động dịch vụ khác nhằm hỗ trợ khách hàng trong giai đoạn khó khăn, từ đó tăng thu nhập Đồng thời, việc nhà nước đưa ra thông tư số 03/2021/ TT-NHNN được sửa đổi từ thông tư 01/2020/ TT-NHNN quy định về việc các tổ chức tín dụng cơ cấu lại thời hạn trả nợ hay miễn, giảm lãi, giữ nguyên nhóm nợ để hỗ trợ khách hàng bị ảnh hưởng bởi dịch bệnh cũng góp phần giải thích cho việc vì sao trong giai đoạn nợ xấu tăng cao thì lợi nhuận cũng tăng Nghĩa là, khi Covid bắt đầu xuất hiện và làm tăng tỷ lệ nợ xấu ở năm 2019, nhà nước đã ban hành thông tư 01/2020 và điều này góp phần điều chỉnh tỷ lệ nợ xấu không quá cao ở năm 2020, góp phần giúp lợi nhuận tăng trong thời kỳ này Tuy những tác động từ đại dịch có thể làm tăng trưởng ROE và ROA cho ngân hàng nhưng nó vẫn luôn tồn động nhiều rủi ro và thách thức, vì vậy đòi hỏi ngân hàng cần phải linh hoạt và thích ứng để tận dụng những cơ hội và đối mặt với thách thức Kết luận lại, tác giả bác bỏ hoàn toàn giả thuyết 𝐻 2

4.4.3 Tỷ lệ vốn Đối với Tỷ lệ vốn (CAP): Căn cứ vào bảng 4.20 đã được tổng hợp như trên, ta thấy có sự ảnh hưởng tích cực của CAP đối với ROA (Biến phụ thuộc ở mô hình 2 và 4) nhưng chỉ là tác động nhỏ lần lượt là 0.0382% và 0.04%, còn lại là tác động tiêu cực đáng để của CAP đến các mô hình Cụ thể, khi CAP tăng 1% thì ROE ở mô hình 1 và 3 lần lượt giảm 0.344% và 0.322%

Rõ ràng, biến CAP có tác động tiêu cực mạnh mẽ hơn so với kỳ vọng là tác động tích cực đến với KNSL của các ngân hàng Theo như Ongore và Kusa (2013) đã cho rằng có sự tác động tích cực trong mối quan hệ này vì tổng vốn chủ sở hữu càng cao thì càng đảm bảo thanh khoản cho ngân hàng trước những tác nhân từ thị trường và đồng thời Nouaili và cộng sự (2015) cũng cho rằng một ngân hàng có vốn hóa cao sẽ có nhu cầu vay nợ ít hơn, do đó có thể giảm chi phí nợ và cải thiện KNSL cho ngân hàng Nguyên nhân dẫn đến sự mâu thuẫn này có thể là do tỷ lệ VCSH trên tổng tài sản cao sẽ góp phần bảo đảm và nâng cao độ bền vững cho ngân hàng, vì vậy càng gia tăng sự thận trọng trong cho vay và ít có nhu cầu tài trợ bên ngoài Việc này đương nhiên sẽ làm tăng hiệu quả của tài sản nhưng lại làm giảm lợi ích của “lá chắn thuế”, đồng thời các chiến lược cho vay quá bảo thủ thường dẫn đến việc vốn không được tận dụng hiệu quả và dẫn đến kém khả năng sinh lợi theo như Nguyễn Thị Hồng Vinh và Lê Phan Thị Diệu Thảo (2016) đã từng lập luận Hoặc có thể đây là kết quả của việc đầu tư kém hiệu quả từ các NHTM trong giai đoạn này, hoặc có thể các ngân hàng có những chiến lược hoạt động mà không cần nguồn vốn cao từ đó giảm chi phí quản lý chúng Từ những lập luận trên, giả thuyết 𝐻 3 hoàn toàn bị bác bỏ

4.4.4 Tỷ lệ tiền gửi Đối với Tỷ lệ tiền gửi (DEP): Từ bảng tổng hợp kết quả cho thấy có sự tác động tiêu cực lớn của DEP đến ROE và ROA trong khi kỳ vọng ban đầu là sự ảnh hưởng tích cực cho mối quan hệ này Cụ thể, khi DEP tăng 1% thì ROE ở mô hình 1 và 3 lần lượt giảm 0.25% và 0.269%; tương tự ROA ở mô hình 2 và 4 cũng lần lượt giảm là 0.018%, 0.02% Mặc dù, đã từng có nhiều nghiên cứu chứng minh có sự tác động tích cực trong mối quan hệ này và gần đây nhất là khám phá của Grandi và Guille (2023) đã góp phần chứng minh được điều này vì việc các ngân hàng mở rộng hoạt động cho vay nâng cao lợi nhuận chủ yếu phụ thuộc vào tiền gửi huy động được Tuy nhiên, có thể vì tình hình kinh tế Việt Nam đang gặp nhiều biến động, việc thu hồi lãi suất từ cho vay có thể gặp nhiều khó khăn, nếu tỷ lệ tiền gửi tăng nhưng lãi suất ngân hàng không đủ để đối mặt với lãi suất từ tiền gửi, ngân hàng có thể gặp trở ngại trong việc tạo ra lợi nhuận Bên cạnh đó, nếu thị trường đang suy yếu và khách hàng cần rút lượng lớn tiền gửi để duy trì trong thời điểm khó khăn thì sẽ làm tăng rủi ro tài chính cho ngân hàng vì không có đủ lượng tiền để cung cấp cho khách hàng Ngoài ra, có thể vì tình hình kinh tế biến động mạnh nên khách hàng không còn gửi tiền ổn định như trước nhưng lợi nhuận ngân hàng vẫn tăng từ việc ngân hàng chuyển hướng chiến lược hoạt động sang đầu tư vào các sản phẩm dịch vụ khác Do đó, tác giả bác bỏ hoàn toàn giả thuyết 𝐻 4 là có sự ảnh hưởng tích cực từ yếu tố này

4.4.5 Tổng các khoản cho vay và cho thuê trên tổng tài sản

Từ bảng tổng hợp 4.20 cho thấy LOANS hoàn toàn có sự tác động tích cực đáng kể đến ROE và ROA theo như tác giả đã kỳ vọng Cụ thể, khi LOANS tăng 1% thì ROE và ROA từ mô hình 1 đến mô hình 4 tăng lần lượt 0.186%, 0.012%, 0.19%, 0.012% Kết quả này đã góp phần bổ sung cho các giả thuyết tương tự trước như nghiên cứu của Đặng Văn Dân (2019) cho rằng việc tăng trưởng cho vay trong ngắn hạn và dài hạn đã góp phần gia tăng lợi nhuận ngân hàng Khi nền kinh tế đang dần ổn định thì việc chú trọng phát triển là vô cùng cần thiết, để kịp thời hưởng ứng tín hiệu phát triển này thì ngân hàng phải luôn chú trọng đẩy mạnh hoạt động cho vay cũng như đảm bảo nguồn lực để quản lý rủi ro từ hoạt động này nâng cao hiệu suất cũng như lợi nhuận cho ngân hàng Vì vậy, việc tác giả chấp nhận giả thuyết 𝐻 5 là hoàn toàn hợp lý

4.4.6 Dự phòng rủi ro tín dụng

Kết quả từ bảng 4.20 cho thấy, LLP không có ý nghĩa thống kê ở 3 mô hình là

1, 2 và 4; riêng mô hình 3 là có tác động tích cực với mức ý nghĩa 10% và khi LLP tăng 1% thì ROE của mô hình 3 sẽ tăng 0.95% Điều này cho thấy kết quả đưa ra không đúng như kỳ vọng ban đầu của tác giả cũng như đi ngược với kết luận của một vài tác giả trước như Jara – Bertin và cộng sự (2014), Bougatef (2017) Mặc dù có nhiều lập luận cho rằng khi có nhiều khoản rủi ro nợ xấu sẽ khiến cho ngân hàng phải tăng lượng tiền dự phòng cho các khoản này, đồng nghĩa với việc các khoản tiền đầu tư ở các hoạt động khác bị giảm và chi phí quản lý rủi ro này gia tăng dẫn đến giảm lợi nhuận Tuy nhiên, có thể vì trong giai đoạn này nền kinh tế chưa ổn định hoàn toàn, đặc biệt là có trải qua thời kỳ Covid -19 nên việc tăng trích lập dự phòng sẽ giúp ngân hàng vững vàng hơn khi đối mặt với những rủi ro tiềm ẩn từ thị trường, đồng thời có thể tăng cường sức mạnh tài chính và lợi nhuận lâu dài khi ngân hàng ngày càng đẩy mạnh chính sách quản lý tín dụng

4.4.7 Tốc độ tăng trưởng tín dụng

Tốc độ tăng trưởng tín dụng không có ý nghĩa thống kê trong cả bốn mô hình và đã không như kỳ vọng là tác động ngược chiều đến KNSL của ngân hàng Tốc độ tăng trưởng tín dụng có thể dẫn đến việc gia tăng rủi ro vì nó làm tăng trích lập dự phòng và làm giảm lợi nhuận ngân hàng theo như Vogiazas và Nikolaidou (2011) đã từng chứng minh Mặc khác, nếu ngân hàng có sự tăng trưởng tín dụng từ việc tăng trưởng hoạt động cho vay, từ đó không cần phải tăng lãi suất cũng như giảm rủi ro tín dụng Việc quản lý cẩn thận về các chỉ số tài chính trong ngân hàng sẽ đảm bảo được rằng tăng trưởng tín dụng mang lại lợi ích mà không gây ra các thiệt hại lớn

4.4.8 Tốc độ tăng trưởng hàng năm của GDP thực tế

Dựa theo kết quả từ bảng 4.20 đã kết luận được rằng GDP không có ý nghĩa thống kê ở mô hình 1 và 2, nhưng lại có ý nghĩa trong mô hình 3 và 4 với mức ý nghĩa lần lượt là 5% và 1% Cụ thể, khi GDP tăng 1% thì mô hình 3 và 4 tăng lần lượt là 0.227% và 0.023% Điều này đúng với giả thuyết được đặt ra ban đầu theo như Dietrich và Wanzenried (2014) đã từng chứng minh Khi thị trường có tín hiệu khởi sắc thì nhu cầu của người dân cũng tăng lên, khi đó ngân hàng sẽ có cơ hội tăng cường các mảng dịch vụ và tài chính, mở rộng khả năng đầu tư, tăng cường khả năng trả nợ, tất cả đều giúp gia tăng lợi nhuận cho ngân hàng Tác giả chấp nhận giả thuyết 𝐻 8

Tương tự như hai biến GRO và GDP, biến vĩ mô lạm phát cũng không có ý nghĩa thống kê sau khi được hồi quy ở cả bốn mô hình nghiên cứu Kết quả này đã không được kỳ vọng ở giả thuyết 𝐻 6 dựa theo kết quả trước đó của Pervan và cộng sự (2015) Có thể nói, khi làm phát tăng sẽ dẫn đến lãi suất cho vay cao hơn, nhưng về lâu dài nếu lãi suất tăng cao có thể làm tăng rủi ro trả nợ từ người đi vay, cuối cùng đe dọa tính thanh khoản và giảm khả năng trả nợ của họ, tất cả điều này sẽ làm giảm lợi nhuận cho ngân hàng Tuy nhiên, nếu lạm phát được kiểm soát chặt chẽ và điều tiết linh hoạt trong chiến lược kinh doanh thì nó sẽ không làm ảnh hưởng đến hoạt động ngân hàng, thậm chí nếu trong thời điểm tăng lãi suất thì có thể làm tăng thu nhập từ lãi suất của một số sản phẩm và dịch vụ nhất định Vì vậy, tác giả bác bỏ giả thuyết 𝐻 6 là có sự ảnh hưởng tiêu cực từ biến này