GIỚI THIỆU ĐỀ TÀI NGHIÊN CỨU
LÝ DO CHỌN ĐỀ TÀI
Trong những năm trở lại đây, ngành ngân hàng đã trở thành động lực chính cho sự phát triển của đất nước trong vai trò là xương sống của nền kinh tế Hệ thống ngân hàng trong nhiều năm qua đã giúp nước ta ổn định kinh tế vĩ mô, kiểm soát lạm phát và đạt được các mục tiêu tăng trưởng thông qua việc điều hành chính sách tiền tệ linh hoạt ngay thời điểm thị trường diễn biến phức tạp Cách đây vài thập kỷ, các nhà kinh tế học tiền tệ đã tìm thấy mối liên hệ giữa cuộc khủng hoảng ngân hàng và cuộc khủng hoảng tài chính; họ tin rằng nếu xảy ra khủng hoảng ngân hàng, sẽ kéo theo một cuộc khủng hoảng tài chính, sự ổn định của hệ thống ngân hàng sẽ bị đe dọa và cơ sở hạ tầng tài chính sẽ sụp đổ nếu ngân hàng trung ương không can thiệp kịp thời (Friedman và Schwartz, 1965) Do đó, cơ quan quản lý xác định rằng nhiệm vụ phát triển kinh tế dài hạn là phải luôn gắn liền với sự an toàn và lành mạnh của hệ thống ngân hàng
Các tổ chức quốc tế đặc biệt quan tâm đến hệ số an toàn vốn (CAR), một chỉ tiêu quan trọng được sử dụng để theo dõi và đảm bảo sức khỏe về tình hình tài chính cho các ngân hàng (Milli và cộng sự, 2017) CAR đặt ra các tiêu chuẩn cho các ngân hàng bằng cách xem xét khả năng thanh toán nợ và khả năng ứng phó với rủi ro tín dụng, rủi ro thị trường và rủi ro hoạt động của ngân hàng, được giới thiệu như một trụ cột quan trọng trong Hiệp ước vốn Basel Để duy trì ổn định hệ số này, các ngân hàng phải cân bằng vốn chủ sở hữu của mình bằng cách tăng trưởng vốn điều lệ hoặc trong trường hợp không thể bổ sung thêm vốn thì có thể giảm đi số lượng các tài sản có trọng số rủi ro cao
Thực tế ở Việt Nam, NHNN (2014) ban đầu quy định tỷ lệ an toàn vốn tối thiểu 9% đối với tất cả các ngân hàng, bao gồm ngân hàng thương mại trong nước, ngân hàng liên doanh, chi nhánh ngân hàng nước ngoài Hai năm sau đó, Ngân hàng Nhà nước (2016) giảm tỷ lệ này xuống 8% nhằm tiếp cận các quy định về vốn của Ủy ban Basel Sự tăng trưởng nhanh chóng về số lượng ngân hàng thương mại trong
20 năm qua đã kéo theo vấn đề cạnh tranh không lành mạnh gây ra tác động xấu đến sự ổn định và chất lượng của toàn ngành ngân hàng Việt Nam, bằng chứng là sự sa sút trong hiệu quả hoạt động của một số ngân hàng NHNN đã phải khuyến khích, thậm chí buộc phải sáp nhập, hợp nhất, mua lại để giải quyết thực trạng một số ngân hàng thương mại hoạt động kém hiệu quả Trong thực tế, sự ổn định trong hoạt động của hệ thống ngân hàng đã trở thành một chủ đề nóng vào thời điểm nền kinh tế Việt Nam đang trải qua thời kỳ hội nhập quốc tế ngày càng sâu sắc hơn
Xuất phát từ thực tiễn trên, tác giả quyết định lựa chọn đề tài “Các yếu tố ảnh hưởng đến hệ số an toàn vốn của Ngân hàng thương mại cổ phần Việt Nam” Mục đích của đề tài là nghiên cứu các yếu tố ảnh hưởng đến hệ số an toàn vốn của các ngân hàng thương mại, từ đó có thể xác định và đo lường mức độ tác động của các yếu tố thuộc về nội bộ ngân hàng nói chung và kinh tế vĩ mô nói riêng để gợi ý các đề xuất và kiến nghị giúp duy trì và cải thiện hệ số an toàn vốn của các NHTM Việt Nam nhằm đáp ứng chuẩn mực hiện hành của Hiệp ước Basel.
MỤC TIÊU CỦA ĐỀ TÀI
Nghiên cứu được thực hiện nhằm xác định và đo lường các yếu tố ảnh hưởng đến hệ số an toàn vốn của các NHTMCP Việt Nam Trên cơ sở kết quả nghiên cứu, khóa luận sẽ đưa ra các đề xuất cho các NHTM Việt Nam nói chung cũng như các kiến nghị cho các cơ quan quản lý nhà nước với mục đích duy trì và cải thiện hệ số này trong tương lai
Thứ nhất, xác định các yếu tố ảnh hưởng và đo lường mức độ ảnh hưởng của chúng đến hệ số an toàn vốn của các NHTMCP Việt Nam trong giai đoạn 2011-2022;
Thứ hai, từ kết quả nghiên cứu, đưa ra một số đề xuất cho các NHTM Việt Nam nói chung và các kiến nghị cho các cơ quan quản lý nhà nước nhằm duy trì và cải thiện hệ số an toàn vốn.
CÂU HỎI NGHIÊN CỨU
Để hoàn thành mục tiêu nghiên cứu cụ thể, đề tài đề ra các câu hỏi nghiên cứu cụ thể là:
(i) Các yếu tố ảnh hưởng đến hệ số an toàn vốn của các NHTM là gì và mức độ tác động của các yếu tố này đối với hệ số an toàn vốn của các Ngân hàng TMCP Việt Nam là như thế nào trong giai đoạn 2011-2022?
(ii) Từ kết quả nghiên cứu, những đề xuất và kiến nghị nào có thể được đưa ra nhằm duy trì và cải thiện hệ số an toàn vốn cho các NHTM Việt Nam nói chung?
ĐỐI TƯỢNG VÀ PHẠM VI NGHIÊN CỨU
Nghiên cứu về hệ số an toàn vốn và các yếu tố ảnh hưởng đến hệ số an toàn vốn của NHTM
Nghiên cứu được thực hiện trong phạm vi các NHTMCP Việt Nam Tính đến cuối năm 2022, Việt Nam hiện có 31 NHTMCP nhưng tác giả quyết định lấy 24 NHTMCP làm đại diện cho hệ thống NHTM Việt Nam vì các ngân hàng này có dữ liệu đầy đủ phù hợp này với mô hình nghiên cứu
Dữ liệu vi mô và vĩ mô được tác giả thu thập trong giai đoạn 2011-2022 Đây là giai đoạn sau cuộc khủng hoảng tài chính 2008, Việt Nam bắt đầu phục hồi kinh tế Đặc biệt vào năm 2012, thực hiện theo đề án “Cơ cấu lại hệ thống các tổ chức tín dụng giai đoạn 2011-2015” của Chính phủ, ngành ngân hàng đẩy mạnh tái cơ cấu tài chính, sắp xếp lại hệ thống ngân hàng, đổi mới quản trị ngân hàng theo hướng hiện đại, phù hợp hơn với các chuẩn mực quốc tế.
PHƯƠNG PHÁP VÀ DỮ LIỆU NGHIÊN CỨU
Nghiên cứu này sử dụng kết hợp hai phương pháp nghiên cứu định tính và phương pháp nghiên cứu định lượng
Phương pháp nghiên cứu định tính: tác giả sử dụng phương pháp nghiên cứu định tính bao gồm các phương pháp thống kê mô tả, phân tích, so sánh, tổng hợp, đánh giá nhằm hệ thống hóa cơ sở lý thuyết về các yếu tố ảnh hưởng đến hệ số an toàn vốn, lựa chọn mô hình nghiên cứu phù hợp cho Việt Nam, thảo luận kết quả nghiên cứu và đưa ra các đề xuất, kiến nghị
Phương pháp nghiên cứu định lượng: đề tài sử dụng phương pháp phân tích hồi quy dữ liệu bảng và sử dụng phần mềm Stata 17.0 để chạy mô hình, cụ thể:
(1) Đầu tiên, tác giả kiểm định các khuyết tật của mô hình;
(2) Sau đó sử dụng phương pháp S-GMM để khắc phục các khuyết tật của mô hình Mô hình cuối cùng thu được sau khi sử dụng phương pháp S-GMM chính là kết quả nghiên cứu
1.5.2 Dữ liệu nghiên cứu Đề tài sử dụng dữ liệu nghiên cứu thứ cấp, bao gồm:
Về dữ liệu vi mô, nghiên cứu thu thập dữ liệu vi mô của 24 ngân hàng TMCP tại Việt Nam trong giai đoạn 2011-2022 từ báo cáo tài chính, báo cáo thường niên và bản cáo bạch đã được công bố tại Vietstock;
Về dữ liệu vĩ mô, bao gồm các yếu tố: tổng sản phẩm quốc nội (GDP), tỷ lệ lạm phát và lãi suất được thu thập từ nguồn Tổng cục Thống kê và World Bank.
ĐÓNG GÓP CỦA ĐỀ TÀI
Về mặt lý luận: đề tài nghiên cứu góp phần hệ thống hóa cơ sở lý thuyết về các yếu tố ảnh hưởng đến hệ số an toàn vốn của các NHTM
Về mặt thực tiễn: đề tài là một thực nghiệm chứng minh sự tác động của các yếu tố đến hệ số an toàn vốn của các ngân hàng TMCP Việt Nam trong giai đoạn
2011-2022 Từ đó, nghiên cứu đưa ra các đề xuất và kiến nghị giúp các ngân hàng cải thiện hệ số này trong tương lai nhằm đáp ứng các chuẩn mực Basel với mục đích giữ an toàn cho hệ thống ngân hàng, góp phần phát triển kinh tế đất nước.
BỐ CỤC CỦA ĐỀ TÀI
Nghiên cứu gồm 5 chương, bố cục như sau:
CHƯƠNG 1: GIỚI THIỆU ĐỀ TÀI NGHIÊN CỨU
Chương 1 trình bày tổng quan về đề tài nghiên cứu bao gồm lý do chọn đề tài, mục tiêu nghiên cứu, câu hỏi nghiên cứu, đối tượng và phạm vi nghiên cứu, phương pháp nghiên cứu và dữ liệu nghiên cứu, đóng góp của đề tài.
CƠ SỞ LÝ THUYẾT VỀ CÁC YẾU TỐ ẢNH HƯỞNG ĐẾN HỆ SỐ AN TOÀN VỐN CỦA NGÂN HÀNG THƯƠNG MẠI
CÁC HIỆP ƯỚC BASEL VỀ HỆ SỐ AN TOÀN VỐN
2.1.1.1 Basel I: Hiệp định vốn Basel
An toàn vốn đã sớm trở thành trọng tâm hoạt động của Ủy ban với mục đích giám sát sự an toàn trong hoạt động của các ngân hàng quốc tế Vào đầu những năm
1980, sự khởi đầu của cuộc khủng hoảng nợ ở Mỹ Latinh đã làm tăng thêm mối lo ngại của các nhà chức trách rằng tỷ lệ vốn của các ngân hàng quốc tế lớn đang ngày càng tiêu cực trong bối cảnh rủi ro quốc tế gia tăng nghiêm trọng Được sự ủng hộ của các thống đốc G10, một hệ thống đo lường vốn thường được gọi là hiệp định vốn Basel vào tháng 7 năm 1988 đã được phát hành rộng rãi ra công chúng và thường biết đến với cái tên là “Basel I”
Basel I kêu gọi thực hiện tỷ lệ vốn tính theo tài sản có trọng số rủi ro – RWA tối thiểu là 8% và bắt buộc các nước thành viên áp dụng vào cuối năm 1992 Vào tháng 9 năm 1993, Ủy ban đã ban hành thông báo chính thức xác định rằng các yêu cầu tối thiểu đặt ra trong hiệp định đã được đáp ứng đầy đủ bởi hệ thống ngân hàng trong khối G10 có hoạt động kinh doanh quốc tế
Tuy nhiên, trong thực tiễn áp dụng, Basel I đã bộc lộ nhiều điểm yếu Một trong số đó là sự hạn chế trong việc phân cấp rủi ro tín dụng, được nêu cụ thể chỉ qua
4 loại trọng số (0%, 20%, 50% và 100%), dựa trên tỷ lệ vốn tối thiểu 8% và vốn yêu cầu được áp dụng ở mức như nhau bất kể thời hạn của khoản tín dụng Thứ hai, khuôn khổ vốn này giả định một thị trường chung cho tất cả các quốc gia, điều này là không đúng với thực tế Cuối cùng, Basel I không xem xét đến rủi ro hoạt động, vốn dĩ phức tạp với mức độ đang ngày càng tăng cao (NHNN, 2010)
2.1.1.2 Basel II: Khuôn khổ mới
Nhằm khắc phục hạn chế của Basel I, Ủy ban Basel không ngừng tham khảo ý kiến của các cơ quan giám sát, đại diện ngành ngân hàng, ngân hàng trung ương và quan sát viên bên ngoài để xây dựng các yêu cầu về vốn nhạy cảm đáng kể với rủi ro hơn Sau gần sáu năm chuẩn bị kỹ càng, BCBS (2004) ban hành khuôn khổ vốn sửa đổi, thường được gọi là "Basel II", với ba trụ cột chính: yêu cầu về vốn tối thiểu, nhằm tìm cách phát triển và mở rộng các quy tắc tiêu chuẩn hóa được quy định cụ thể trong phiên bản trước đó; đánh giá giám sát về mức độ đáp ứng quy định vốn của TCTD và áp dụng quy trình xếp hạng nội bộ; sử dụng việc công bố thông tin minh bạch như một công cụ để tăng cường kỷ luật thị trường với mục đích khuyến khích các hoạt động ngân hàng đi theo hướng an toàn và bền vững
Trụ cột 1 xây dựng mức vốn bắt buộc dựa trên 3 rủi ro phổ biến mà ngân hàng dễ dàng gặp phải: rủi ro thị trường, rủi ro hoạt động và quan trọng nhất là rủi ro tín dụng Có thể thấy, Basel II đã khắc phục được lỗi phiến diện của phiên bản trước đó khi đưa ra thang đo cho rủi ro hoạt động với ba phương pháp tiếp cận: phương pháp chỉ báo cơ bản; phương pháp tiếp cận chuẩn hóa và phương pháp đo lường nâng cao (AMA) Tỷ lệ vốn bắt buộc là 8% không thay đổi, tuy nhiên, vốn cấp 1 phải chiếm ít nhất 4% tổng vốn Tài sản tính theo rủi ro được thể hiện qua tích của yêu cầu vốn dành cho rủi ro thị trường và rủi ro hoạt động với 12,5 (nghịch đảo của yêu cầu vốn tối thiểu 8%) Đối với rủi ro tín dụng, Basel II vẫn giữ nguyên công thức tính, tuy nhiên trọng số sẽ dao động trong mức từ 0% đến 150%
Trụ cột 2 mang lại cho các nhà hoạch định những “công cụ” tốt hơn so với trước đó Quy trình đánh giá giải quyết những vấn đề mà trụ cột 1 chưa thể nắm bắt đầy đủ như rủi ro tập trung tín dụng hoặc những yếu tố không được nêu ra ở trụ cột
1, chẳng hạn như rủi ro lãi suất, rủi ro kinh doanh, rủi ro chiến lược và các yếu tố vĩ mô như hiệu ứng của chu kỳ kinh doanh Ủy ban cũng đưa ra hướng dẫn về các nguyên tắc rà soát giám sát, quản lý rủi ro, tính minh bạch và trách nhiệm của ngân hàng trong xử lý rủi ro sổ sách Trụ cột cuối cùng thiết lập các yêu cầu công bố thông tin về các loại rủi ro khác nhau của ngân hàng, yêu cầu an toàn vốn và quy trình đánh giá rủi ro, gắn với kỷ luật thị trường Mục đích chính của trụ cột là thúc đẩy tính minh bạch cao trong công tác thông báo thông tin của ngân hàng và cho phép nhà đầu tư có cái nhìn bao quát để có thể so sánh các ngân hàng khác nhau trên cơ sở bình đẳng
2.1.1.3 Basel III: Ứng phó với cuộc khủng hoảng tài chính 2008
Việc củng cố khuôn khổ Basel II đã trở nên cấp thiết ngay cả trước khi Lehman Brothers – ngân hàng đầu tư lớn thứ tư nước Mỹ, sụp đổ vào tháng 9 năm 2008 Ngành ngân hàng bước vào cuộc khủng hoảng tài chính với đòn bẩy quá cao và tính thanh khoản kém Những yếu tố bất ổn này đi kèm với các cơ cấu động lực không phù hợp và hoạt động quản trị rủi ro yếu kém Sự kết hợp nguy hiểm của các yếu tố này được thể hiện qua quy trình định giá sai rủi ro thanh khoản và rủi ro tín dụng cũng như tăng trưởng tín dụng nóng
Vào tháng 9 năm 2010, GHOS đã công bố cho các ngân hàng thương mại toàn cầu tiêu chuẩn vốn tối thiểu cao hơn Đây là kết quả tất yếu của thỏa thuận đạt được vào tháng 7 liên quan đến thiết lập tiêu chuẩn cải cách vốn và thanh khoản, được gọi là “Basel III" Vào tháng 11 cùng năm, các tiêu chuẩn mới này được phê duyệt trong Hội nghị thượng đỉnh của các nhà lãnh đạo G20 tại Seoul (Hàn Quốc) và sau đó được nhất trí tại cuộc họp của Ủy ban Basel cuối năm 2010
Phiên bản tháng 12 năm 2010 được trình bày trong tài liệu “Basel III: Khung quốc tế về đo lường, tiêu chuẩn và giám sát rủi ro thanh khoản” và “Basel III: Khung pháp lý toàn cầu cho các ngân hàng và hệ thống ngân hàng linh hoạt hơn” Khung vốn mới chỉnh sửa và cải thiện ba trụ cột do Basel II thiết lập đồng thời mở rộng chúng trong một số lĩnh vực Các cải cách lần lượt được tiến hành theo từng giai đoạn trải dài từ năm 2013 đến năm 2019 Đầu tiên, yêu cầu chặt chẽ hơn về chất lượng và số lượng vốn pháp định, đặc biệt củng cố vai trò trung tâm của cổ phần phổ thông, thụng qua yờu cầu vốn cấp 1 được nõng lờn từ 4% lờn 6%, mà trong đú ắ là vốn chủ sở hữu phổ thông (CET1) bao gồm cổ phiếu phổ thông, lợi nhuận giữ lại và thu nhập tích lũy Thứ hai, bổ sung một lớp vốn chủ sở hữu – hay còn gọi là lớp đệm bảo toàn vốn, trong trường hợp ngân hàng thiếu thanh khoản nhưng vẫn đáp ứng yêu cầu vốn tối thiểu, cụ thể khoản dự trữ này dao động từ 0% đến 2,5% trên tài sản có rủi ro Thứ ba, một vùng đệm vốn nghịch chu kỳ, đặt ra những hạn chế đối với sự “dấn thân” của các ngân hàng vào giai đoạn bùng nổ tín dụng với mục đích giảm tổn thất của họ trong các vụ vỡ nợ, phải đảm bảo 2,5% RWA trong thời kỳ kinh tế hưng thịnh Thứ tư, tỷ lệ đòn bẩy, được đo lường thông qua tỷ lệ vốn cấp 1 trên giá trị rủi ro (Exposure) – là tổng mức rủi ro của toàn bộ tài sản trên bảng cân đối kế toán, rủi ro phái sinh, giao dịch cấp vốn chứng khoán (SFT) và hệ số chuyển đổi tín dụng cho các khoản mục ngoại bảng với quy định tỷ lệ đòn bẩy tối thiểu là 3% Thứ năm, yêu cầu tỷ lệ thanh khoản tối thiểu, tỷ lệ đảm bảo thanh khoản (LCR), nhằm cung cấp tiền mặt để đáp ứng đầy đủ nhu cầu rút tiền trong khoảng thời gian căng thẳng kéo dài 30 ngày và chỉ số dài hạn hơn là tỷ lệ quỹ bình ổn ròng (NSFR) phải đạt ít nhất là 100%, nhằm giải quyết sự chênh lệch về thời gian đáo hạn trên toàn bộ bảng cân đối kế toán Thứ sáu, trong trường hợp các ngân hàng chiến lược toàn cầu (G-SIBs), yêu cầu bổ sung về năng lực chống chịu trước tổn thất và tăng cường giám sát xuyên quốc gia
2.1.1.4 So sánh ba khuôn khổ vốn
Cả ba khuôn khổ Basel đều nhấn mạnh yêu cầu tỷ lệ vốn tối thiểu là 8% trên tài sản có trọng số rủi ro, sự khác biệt được thể hiện qua các phương pháp tính toán và các trụ cột được phát triển thêm để đảm bảo độ tin cậy Bảng 2.1 là kết quả tổng hợp những điểm khác nhau của ba khuôn khổ vốn:
Bảng 2.1: Sự khác biệt giữa các khuôn khổ vốn Basel
Basel I Basel II Basel III
Yêu cầu về vốn Vốn cấp 1 chiếm 4%
Vốn cấp 1 phải đạt 6% RWA, trong đó ắ là CET1 đồng thời đảm bảo vùng đệm vốn từ 0% đến 2,5%
Rủi ro được xem xét
Rủi ro tín dụng, Rủi ro thị trường (mở rộng ở bản sửa đổi 1996)
Rủi ro tín dụng, Rủi ro thị trường, Rủi ro hoạt động
Rủi ro tín dụng, Rủi ro thị trường, Rủi ro hoạt động, Rủi ro thanh khoản
Phương pháp tiếp cận RRTD
Phương pháp chuẩn hóa, phương pháp đánh giá nội bộ
Phương pháp chuẩn hóa, phương pháp đánh giá nội bộ
Trọng số rủi ro 4 mức độ: 0%, 20%,
Trụ cột chính Chỉ đề cập đến yêu cầu vốn tối thiểu
3 trụ cột: yêu cầu vốn tối thiểu, đánh giá xếp hạng, kỷ luật thị trường
Phát triển ba trụ cột của Basel II, bổ sung thêm tính thanh khoản và tỷ lệ đòn bẩy
Nguồn: Tác giả tự tổng hợp
TỔNG QUAN VỀ HỆ SỐ AN TOÀN VỐN
2.2.1 Khái niệm hệ số an toàn vốn
Hệ số an toàn vốn (CAR) xác định tỷ lệ vốn cốt lõi và vốn bổ sung của ngân hàng trên tài sản và nợ ngoại bảng được điều chỉnh theo trọng số rủi ro (BCBS, 1988) Cách tính toán của hệ số an toàn vốn thay đổi theo từng hiệp định Basel, tuy nhiên vẫn duy trì ở mức bắt buộc là trên hoặc bằng 8% cho các ngân hàng Hệ số an toàn vốn còn là một trong những công cụ quản lý quan trọng được dùng để giám sát và kiểm soát tình hình tài chính của ngân hàng, đã nhận được sự quan tâm đặc biệt từ các cơ quan quản lý quốc tế (Milli và cộng sự, 2017) Ngoài ra, Sinkey (1989) còn nhấn mạnh rằng các cơ quan quản lý thường áp dụng CAR như một thước đo chủ yếu về “sự an toàn và lành mạnh” của các tổ chức nhận tiền gửi vì họ coi vốn là công cụ an toàn có khả năng hấp thụ các khoản lỗ tiềm ẩn
Tại Việt Nam, cơ quan quản lý ngân hàng thương mại (Ngân hàng Nhà nước) ban đầu quy định tỷ lệ an toàn vốn tối thiểu là 9% đối với tất cả các ngân hàng, bao gồm ngân hàng thương mại trong nước, ngân hàng liên doanh, chi nhánh ngân hàng nước ngoài và sau đó đã giảm xuống 8% để phù hợp các tiêu chuẩn quốc tế Hệ số an toàn vốn cao thể hiện ngân hàng có đủ khả năng về tài chính nhằm bù đắp tổn thất trước những tác động tiêu cực bất ngờ xảy ra từ các yếu tố nội bộ ngân hàng lẫn môi trường kinh tế
2.2.2 Đo lường hệ số an toàn vốn
2.2.2.1 Đo lường hệ số an toàn vốn theo Hiệp ước Basel
Sau quá trình tham vấn và thử nghiệm sơ bộ khuôn khổ vốn, một tiêu chuẩn vốn tối thiểu cho các ngân hàng quốc tế đã được thiết lập bởi Ủy ban Theo đó, Ủy ban khẳng định rằng tỷ lệ vốn bắt buộc trên tài sản có trọng số rủi ro cần được đặt ở mức 8% mà trong đó tối thiểu là 4% là vốn cốt lõi
Tài sản có trọng số rủi ro (RWA) Vốn điều lệ (Regulatory capital) của ngân hàng được cấu thành từ:
(-) Vốn cấp 1 hay còn được gọi là vốn cốt lõi
(-) Vốn cấp 2 là vốn bổ sung
(-) Vốn cấp 3 là các khoản nợ ngắn hạn được bổ sung trong tài liệu năm 1996
BCBS (1996) quy định vốn cấp 1 phải chiếm ít nhất một nửa tổng số vốn tự có, tức tổng vốn cấp 2 và vốn cấp 3 không được vượt quá vốn cấp 1:
Vốn cấp 1 ≥ Vốn cấp 2 + Vốn cấp 3
RWA, hay còn gọi là tài sản tính theo trọng số của rủi ro tín dụng, là tích của giá trị các nhóm tài sản của ngân hàng với trọng số rủi ro của chúng được phân chia thành bốn nhóm Các nhóm này được cho trọng số rủi ro lần lượt là 0%, 20%, 50% và 100%, từ tài sản rủi ro thấp nhất đến tài sản rủi ro cao nhất:
RWA = Giá trị tài sản x Trọng số rủi ro
Basel II ra đời với mục đích khắc phục những hạn chế của phiên bản 1988, trong đó, trụ cột về tỷ lệ vốn tối thiểu xác định CAR không được thấp hơn 8%, được tính bằng công thức sau:
RWA RRTD + RWA RRTT + RWA RRHĐ Nhìn chung, vốn bắt buộc vẫn không thay đổi so với phiên bản trước đó Tuy nhiên, tổng tài sản có trọng số rủi ro sẽ được đo lường bằng cách nhân từng yêu cầu vốn (CR) đối với hai rủi ro: Rủi ro thị trường và rủi ro hoạt động với hằng số 12,5, sau đó cộng với tài sản tính theo rủi ro tín dụng RWA đối với rủi ro tín dụng lần đầu tiên được tiếp cận bằng phương pháp đánh giá nội bộ (IRB), với trọng số rủi ro dao động trong khoảng từ 0% đến 150% Ngoài ra, phương pháp tiếp cận chuẩn hóa – được hoàn thiện từ cơ sở Basel I cũng được khuyến khích áp dụng trong quy trình quản lý rủi ro của hệ thống ngân hàng
Basel III được xem như là một bộ biện pháp quốc tế thống nhất do Ủy ban Basel về Giám sát Ngân hàng ban hành với mục đích đối phó với cuộc khủng hoảng tài chính 2007-2009 Theo Basel III, tỷ lệ vốn tối thiểu bắt buộc là 8%, đồng thời ngân hàng cũng phải trang bị bộ đệm vốn dao động từ 0 đến 2,5% RWA Tóm lại, khi xem xét cả yêu cầu về vốn tối thiểu và mức đệm, yêu cầu duy trì dự trữ cho các ngân hàng có thể lên tới 10,5%
RWA RRTD + RWA RRTT + RWA RRHĐ
Vốn điều lệ chỉ gồm thành phần vốn cấp 1 và cấp 2 vì vốn cấp 3 đã bị loại bỏ do tính rủi ro cao Vốn cấp 1 phải đạt 6% RWA, trong đó vốn chủ sở hữu phổ thông chiếm ắ
Basel III giới thiệu tỷ lệ đòn bẩy cho G-SIBs, được thể hiện bằng thương số của vốn cấp 1 và tổng tài sản của ngân hàng, với yêu cầu tỷ lệ tối thiểu là 3%
Giá trị tài sản rủi ro≥ 3%
Tỷ lệ đảm bảo thanh khoản (LCR), yêu cầu các ngân hàng phải nắm giữ đủ tài sản có tính thanh khoản cao nhằm trang trải tổng dòng tiền ròng ra trong 30 ngày căng thẳng tài chính
LCR = Tài sản có tính thanh khoản cao
Dòng tiền ra trong 30 ngày tiếp theo≥ 100%
Tỷ lệ quỹ bình ổn được thiết lập để đảm bảo rằng các tài sản dài hạn của ngân hàng được tài trợ với khoản nợ dài hạn và ổn định, tỷ lệ này phải lớn hơn 100%
NSFR = Quỹ bình ổn sẵn có
Quỹ bình ổn bắt buộc> 100%
Bảng 2.2: Công thức tính hệ số an toàn vốn qua từng thời kỳ của Basel
Thời điểm hiệu lực Công thức tính
Basel I 1988 1992 CAR = Vốn điều lệ
Tài sản có trọng số rủi ro (RWA)
Basel II 2004 2006 CAR = Vốn điều lệ
RWA RRTD + RWA RRTT + RWA RRHĐ
Basel III 2010 2013 CAR = Vốn điều lệ
RWA RRTD + RWA RRTT + RWA RRHĐ
Nguồn: Tác giả tự tổng hợp 2.2.2.2 Đo lường hệ số an toàn vốn theo quy định của NHNN Việt Nam
Tại Việt Nam, khi khủng hoảng tài chính toàn cầu bùng nổ, NHNN (2010) đã ban hành “Thông tư số 13/2010/TT-NHNN” nhằm nâng tỷ lệ an toàn vốn từ 8% lên
9% Trong quá trình áp dụng, thông tư để lộ nhiều điểm bất cập, do đó, “Thông tư số 36/2014/TT-NHNN” được ra đời như một phiên bản cải tiến của thông tư năm 2010
Năm 2016, NHNN thực hiện lộ trình thí điểm Basel II trên toàn hệ thống kéo dài đến đầu năm 2020 Với riêng trụ cột 1, NHNN (2016) ban hành “Thông tư mới 41/2016/TT-NHNN quy định tỷ lệ an toàn vốn đối với ngân hàng, chi nhánh ngân hàng nước ngoài”, tỷ lệ vốn bắt buộc giảm xuống 8% theo chuẩn quốc tế Đến 2019, NHNN lại tiếp tục ban hành “Thông tư số 22/2019/TT-NHNN” với tỷ lệ vốn bắt buộc là 9%, nhằm gia hạn thời gian áp dụng chuẩn Basel II
❖ Thông tư 41/2016/TT-NHNN Được ban hành vào ngày 30/12/2016, thông tư 41 là văn bản hướng dẫn thực hiện trụ cột 1 và 3 theo khuôn khổ vốn Basel II, có hiệu lực từ ngày 01/01/2020 Thông tư được áp dụng đối với “ngân hàng thương mại nhà nước, ngân hàng thương mại cổ phần, ngân hàng liên doanh, ngân hàng 100% vốn nước ngoài và chi nhánh ngân hàng nước ngoài”
LƯỢC KHẢO CÁC NGHIÊN CỨU LIÊN QUAN
2.3.1 Các nghiên cứu nước ngoài
Pant và Nidugala (2017) đã nghiên cứu các yếu tố tác động đến hệ số an toàn vốn của 65 ngân hàng thương mại tại Ấn Độ trong giai đoạn 2007-2013 Nhóm tác giả đã sử dụng phương pháp GMM nhằm chạy mô hình bao gồm các biến: CAR kỳ trước, nhóm biến vĩ mô: tốc độ tăng trưởng kinh tế, tỷ lệ lạm phát, cung tiền, lãi suất thực, tỷ giá hối đoái, đầu tư trực tiếp nước ngoài (FDI) và 3 biến kiểm soát thuộc đặc trưng ngân hàng: khả năng sinh lời, biên lãi ròng, quy mô ngân hàng Kết quả cho thấy CAR kỳ trước, tỷ giá hối đoái tác động thuận chiều với hệ số an toàn vốn, trong khi quy mô ngân hàng, tốc độ tăng trưởng kinh tế, tỷ lệ lạm phát, lãi suất thực tác động ngược chiều
El-Ansary và cộng sự (2019) thực hiện nghiên cứu các yếu tố quyết định tỷ lệ an toàn vốn tại 10 quốc gia ở khu vực Trung Đông và Bắc Phi Dữ liệu nghiên cứu là số liệu báo cáo tài chính của 38 ngân hàng Hồi giáo và 75 ngân hàng thương mại Các biến độc lập được đưa vào mô hình bao gồm khả năng sinh lời, rủi ro thanh khoản, rủi ro tín dụng, quy mô ngân hàng, tỷ trọng tiền gửi, hiệu quả hoạt động, rủi ro danh mục đầu tư và hai biến số kinh tế vĩ mô là tốc độ tăng trưởng kinh tế và các chỉ số quản trị thế giới của mỗi quốc gia Sử dụng phương pháp hồi quy GMM, kết quả nghiên cứu cho thấy CAR của cả ngân hàng Hồi giáo và ngân hàng thương mại đều bị ảnh hưởng bởi quy mô ngân hàng, hiệu quả hoạt động và tốc độ tăng trưởng kinh tế, tuy nhiên những ảnh hưởng là khác nhau Cụ thể, đối với các ngân hàng Hồi giáo, tỷ trọng tiền gửi, hiệu quả hoạt động và quy mô ngân hàng tương quan âm, CAR các kỳ trước và tốc độ tăng trưởng kinh tế tương quan dương với CAR Trong khi đó, CAR các kỳ trước, khả năng sinh lời, rủi ro tín dụng tương quan dương đối với CAR của các ngân hàng thương mại; quy mô ngân hàng, hiệu quả hoạt động, rủi ro danh mục đầu tư và tốc độ tăng trưởng kinh tế tương quan âm
Uvan (2020) thực hiện nghiên cứu nhằm phân tích các yếu tố thuộc về kinh tế vĩ mô và đặc thù của ngân hàng ảnh hưởng đến hệ số an toàn vốn của các ngân hàng ở Ghana Dữ liệu nghiên cứu là báo cáo tài chính của 11 ngân hàng thương mại và ngân hàng trung ương Ghana trong suốt giai đoạn 2008-2017 Tác giả sử dụng phương pháp GMM nhằm xem xét tác động của 5 yếu tố: khả năng sinh lời, quy mô ngân hàng, đòn bẩy, cung tiền và lãi suất chính sách tiền tệ Kết quả nghiên cứu thể hiện quy mô ngân hàng và đòn bẩy tác động ngược chiều lên hệ số này; khả năng sinh lời có tác động thuận chiều nhưng không đáng kể Liên quan đến các yếu tố vĩ mô, cung tiền có tác động thuận chiều đối với CAR, trong khi lãi suất chính sách tiền tệ tác động nghịch chiều
Senan và cộng sự (2022) xem xét ảnh hưởng của các yếu tố đặc thù thuộc ngân hàng và các yếu tố bên ngoài đến mức độ an toàn vốn của các ngân hàng Ấn Độ niêm yết trên Sở Giao dịch Chứng khoán Bombay Nhóm tác giả đã sử dụng phương pháp ước tính OLS, FEM, REM và GMM để nghiên cứu 37 ngân hàng thương mại đã niêm yết của Ấn Độ trong giai đoạn 2009-2018 Các biến được sử dụng chia thành hai nhóm chính: biến thể hiện đặc trưng của ngân hàng bao gồm quy mô ngân hàng, chất lượng tài sản, tỷ lệ tài sản thanh khoản, tỷ lệ tiền gửi, quản lý tài sản, hiệu quả hoạt động, tỷ suất lợi nhuận trên tài sản, biên lãi ròng và thu nhập phi lãi; các biến vĩ mô là hoạt động kinh tế, tỷ giá hối đoái và lãi suất Kết quả của nghiên cứu cho thấy tỷ lệ tiền gửi, quản lý tài sản, quy mô ngân hàng, biên lãi ròng và thu nhập phi lãi có ảnh hưởng ngược chiều đến mức độ an toàn vốn của ngân hàng, trong khi hiệu quả hoạt động có tác động thuận chiều Về các biến vĩ mô, tổng sản phẩm quốc nội và lãi suất có tác động nghịch chiều và đáng kể đến mức độ an toàn vốn, ngược lại là tỷ giá hối đoái với tác động thuận chiều
Obeid (2023) đã thực hiện nghiên cứu các yếu tố ảnh hưởng đến CAR của ngân hàng khu vực Ả Rập bằng cách thu thập dữ liệu thống kê từ 35 ngân hàng trải dài trên 7 quốc gia Ả Rập trong giai đoạn từ năm 2015 đến 2020 Tác giả đã sử dụng phương pháp GMM để chạy mô hình gồm các yếu tố: quy mô ngân hàng, khả năng sinh lời, tỷ lệ nợ xấu, tăng trưởng dự phòng rủi ro tín dụng và tốc độ tăng trưởng GDP với mục đích kiểm soát vấn đề nội sinh tiềm ẩn có thể phát sinh từ các biến độc lập Kết quả chỉ ra rằng có mối quan hệ cùng chiều giữa tỷ lệ nợ xấu, quy mô ngân hàng với CAR, trong khi khả năng sinh lời thì ngược lại Cuối cùng, với vai trò của một biến kinh tế, tốc độ tăng trưởng GDP thực tế có tác động cùng chiều và đáng kể đến CAR của các ngân hàng khu vực Ả Rập
2.3.2 Các nghiên cứu trong nước
Lê Hồng Thái (2020) đã nghiên cứu các yếu tố ảnh hưởng đến tỷ lệ an toàn vốn của các ngân hàng thương mại Việt Nam trong giai đoạn 2008-2019 Nghiên cứu được cung cấp dữ liệu của 28 Ngân hàng thương mại từ công ty cổ phần Dữ liệu kinh tế Việt Nam (Vietdata) và dữ liệu vĩ mô được thu thập từ nguồn cơ sở World Bank Tác giả thực hiện hồi quy lần lượt theo phương pháp OLS, FEM, REM, sau đó lựa chọn phương pháp ước lượng GMM hai bước để khắc phục đồng thời các khuyết tật phương sai sai số thay đổi, tự tương quan và nội sinh của mô hình Các biến trong mô hình bao gồm lợi nhuận ngân hàng, quy mô ngân hàng, hệ số đòn bẩy tài chính, tỷ lệ cho vay, biên lãi ròng, thanh khoản và các yếu tố vĩ mô là tốc độ tăng trưởng kinh tế, lãi suất cho vay bình quân, tỷ giá hối đoái Kết quả kiểm định cho thấy tỷ lệ an toàn vốn kỳ trước, tỷ lệ cho vay, biên lãi ròng, thanh khoản và lãi suất cho vay bình quân tác động thuận chiều với CAR, ngược lại các yếu tố bao gồm lợi nhuận ngân hàng, quy mô ngân hàng và hệ số đòn bẩy tài chính lại mang tác động ngược chiều
Tô Trung Thành và Huỳnh Hải Yến (2021) đã thực hiện nghiên cứu xem xét các nhân tố tác động đến tỷ lệ an toàn vốn của ngân hàng thương mại Việt Nam trong giai đoạn 2006-2018 Dữ liệu phân tích là báo cáo tài chính của 33 ngân hàng thương mại Việt Nam và dữ liệu thống kê vĩ mô từ nguồn Tổng cục thống kê và World Bank Nhóm tác giả sử dụng kỹ thuật dữ liệu mảng, trước hết thực hiện hồi quy dữ liệu theo các phương pháp ước lượng OLS, REM, FEM và sau cùng là sử dụng phương pháp
S-GMM để khắc phục vấn đề nội sinh của mô hình Kết quả nghiên cứu cho thấy CAR năm trước, tổng tài sản chứng khoán đầu tư dài hạn và hai giai đoạn tái cơ cấu hệ thống ngân hàng tác động thuận chiều đến hệ số CAR, trong khi đó quy mô ngân hàng, tỷ lệ tiền gửi, khả năng sinh lời, và các nhân tố vĩ mô như lạm phát và lãi suất thực có ảnh hưởng nghịch chiều
Lê Thị Hồng Thủy và cộng sự (2021) đã thực hiện nghiên cứu phân tích các yếu tố ảnh hưởng đến hệ số CAR dựa trên dữ liệu cơ sở là dữ liệu của 28 ngân hàng thương mại Việt Nam từ năm 2008 đến 2019 Nghiên cứu sử dụng phương pháp S- GMM hai bước để giải quyết vấn đề nội sinh của mô hình cũng như khắc phục hiện tượng tự tương quan và phương sai sai số thay đổi Kết quả nghiên cứu chỉ ra rằng tỷ suất sinh lời trên vốn chủ sở hữu, tỷ lệ dự phòng rủi ro tín dụng, tái cơ cấu hệ thống ngân hàng, áp lực pháp lý và CAR kỳ trước có tác động cùng chiều đến CAR, trong khi đó quy mô ngân hàng, hệ số đòn bẩy, tỷ lệ cho vay, tỷ lệ tiền gửi, lãi suất cho vay và tăng trưởng kinh tế mang lại tác động nghịch chiều đến hệ số này
Lê Thị Thanh Lộc và cộng sự (2022) đã thực hiện đo lường các yếu tố ảnh hưởng đến hệ số an toàn vốn của các ngân hàng TMCP Việt Nam trong giai đoạn 2007-2021 Với dữ liệu nghiên cứu được thu thập từ báo cáo tài chính của 29 ngân hàng TMCP và World Bank, nhóm tác đã giả sử dụng các phương pháp ước lượng OLS, FEM, REM và sau cùng là phương pháp GMM 2 bước nhằm chạy mô hình các yếu tố ảnh hưởng Kết quả nghiên cứu chỉ ra rằng nhóm yếu tố tác động cùng chiều đến CAR bao gồm tỷ lệ vốn chủ sở hữu trên tổng tài sản, tỷ lệ lạm phát, Covid-19; nhóm yếu tố tác động ngược chiều là tỷ suất lợi nhuận trên tổng tài sản, tỷ lệ nợ xấu, tốc độ tăng trưởng kinh tế và quy mô ngân hàng; biến tỷ lệ cho vay trên tổng tài sản không có ý nghĩa thống kê
Phạm Hải Nam và cộng sự (2022) đã thực hiện nghiên cứu các yếu tố ảnh hưởng đến CAR trong giai đoạn 2012-2018 dựa trên dữ liệu vi mô được thu thập từ báo cáo tài chính của 30 ngân hàng thương mại tại Việt Nam và dữ liệu vĩ mô được trích xuất từ Tổng cục thống kê Nhóm tác giả sử dụng cách tiếp cận mới bằng phương pháp hồi quy Bayesian thông qua thuật toán lấy mẫu Gibbs Các biến được đưa vào kiểm định bao gồm quy mô ngân hàng, tỷ lệ cho vay, dự phòng rủi ro tín dụng, thanh khoản, khả năng sinh lời, tỷ lệ lạm phát và tốc độ tăng trưởng kinh tế Kết quả nghiên cứu cho thấy tỷ lệ cho vay, dự phòng rủi ro tín dụng, thanh khoản, khả năng sinh lời là những yếu tố tác động thuận chiều đến CAR; ngược lại, quy mô ngân hàng, tỷ lệ lạm phát và tốc độ tăng trưởng kinh tế có tác động ngược chiều
2.3.3 Nhận xét các nghiên cứu liên quan
Bảng 2.3 thể hiện tóm tắt lược khảo các nghiên cứu liên quan, cụ thể:
Bảng 2.3: Tổng hợp lược khảo các nghiên cứu liên quan
Tác giả Dữ liệu nghiên cứu
65 ngân hàng thương mại tại Ấn Độ trong giai đoạn 2007-
Biến độc lập: hệ số an toàn vốn
CAR kỳ trước, tốc độ tăng trưởng kinh tế, tỷ lệ lạm phát, cung tiền, lãi suất thực, tỷ giá hối đoái, đầu tư trực tiếp nước ngoài (FDI), khả năng sinh lời, biên lãi ròng, quy mô ngân hàng
(+) CAR kỳ trước, tỷ giá hối đoái
(-) quy mô ngân hàng, tốc độ tăng trưởng kinh tế, tỷ lệ lạm phát, lãi suất thực
Không tác động: khả năng sinh lời, biên lãi ròng, đầu tư trực tiếp nước ngoài (FDI)
El-Ansary và cộng sự
38 ngân hàng Hồi giáo và
75 ngân hàng thương mại tại 10 quốc gia ở khu vực Trung Đông và Bắc Phi trong giai đoạn 2009-
Biến độc lập: hệ số an toàn vốn
Biến phụ thuộc: khả năng sinh lời, rủi ro thanh khoản, rủi ro tín dụng, quy mô ngân hàng, tỷ trọng tiền gửi, hiệu quả hoạt động, rủi ro danh mục đầu tư và hai biến số kinh tế vĩ mô là tốc độ tăng trưởng kinh tế và các chỉ số quản trị thế giới của mỗi quốc gia
(+) CAR các kỳ trước, khả năng sinh lời, rủi ro tín dụng
(-) quy mô ngân hàng, hiệu quả hoạt động, rủi ro danh mục đầu tư, tốc độ tăng trưởng kinh tế
11 ngân hàng thương mại và ngân hàng trung ương Ghana trong suốt giai đoạn 2008-2017
Biến độc lập: hệ số an toàn vốn
Biến phụ thuộc: khả năng sinh lời, quy mô ngân hàng, đòn bẩy, cung tiền và lãi suất chính sách tiền tệ
(+) cung tiền, khả năng sinh lời
(-) quy mô ngân hàng, đòn bẩy, lãi suất chính sách tiền tệ
37 ngân hàng thương mại đã niêm
Biến độc lập: hệ số an toàn vốn
(+) hiệu quả hoạt động, tỷ giá hối đoái yết của Ấn Độ trong giai đoạn 2009-
Biến phụ thuộc: quy mô ngân hàng, chất lượng tài sản, tỷ lệ tài sản thanh khoản, tỷ lệ tiền gửi, quản lý tài sản, hiệu quả hoạt động, tỷ suất lợi nhuận trên tài sản, biên lãi ròng, thu nhập phi lãi, hoạt động kinh tế, tỷ giá hối đoái, lãi suất
(-) tỷ lệ tiền gửi, quản lý tài sản, quy mô ngân hàng, biên lãi ròng, thu nhập phi lãi, tổng sản phẩm quốc nội, lãi suất
Không ảnh hưởng: biên lãi ròng
35 ngân hàng trải dài trên 7 quốc gia Ả Rập trong giai đoạn từ năm 2015 đến
Biến độc lập: hệ số an toàn vốn
Biến phụ thuộc: quy mô ngân hàng, khả năng sinh lời, tỷ lệ nợ xấu, tăng trưởng dự phòng rủi ro tín dụng, tốc độ tăng trưởng GDP
(+) CAR kỳ trước, tỷ lệ nợ xấu, quy mô ngân hàng, tốc độ tăng trưởng GDP thực tế
Không ảnh hưởng: tăng trưởng dự phòng rủi ro tín dụng
28 ngân hàng thương mại Việt Nam trong giai
Phương pháp OLS, FEM, REM,
Biến độc lập: hệ số an toàn vốn
Biến phụ thuộc: lợi nhuận ngân hàng,
(+) tỷ lệ an toàn vốn kỳ trước, tỷ lệ cho vay, biên lãi ròng, thanh khoản, lãi đoạn 2008-
GMM hai bước quy mô ngân hàng, hệ số đòn bẩy tài chính, tỷ lệ cho vay, biên lãi ròng, thanh khoản, tốc độ tăng trưởng kinh tế, lãi suất cho vay bình quân, tỷ giá hối đoái suất cho vay bình quân
(-) lợi nhuận ngân hàng, quy mô ngân hàng, hệ số đòn bẩy tài chính
Không ảnh hưởng: tốc độ tăng trưởng kinh tế, tỷ giá hối đoái
33 ngân hàng thương mại Việt Nam trong giai đoạn 2006-
Phương pháp OLS, REM, FEM, S- GMM
Biến độc lập: hệ số an toàn vốn
MÔ HÌNH NGHIÊN CỨU
TRÌNH TỰ THỰC HIỆN KINH TẾ LƯỢNG
Khóa luận sử dụng phương pháp định lượng nhằm đưa ra các yếu tố ảnh hưởng và mức độ, chiều hướng ảnh hưởng của chúng đến hệ số an toàn vốn
Bước 1: Thống kê mô tả
Nghiên cứu sử dụng mô hình dữ liệu bảng theo chuỗi thời gian, tác giả sử dụng phương pháp này để xác định các đặc tính cơ bản của mô hình bao gồm số quan sát, trung bình, độ lệch chuẩn, giá trị lớn nhất và giá trị nhỏ nhất
Bước 2: Phân tích ma trận hệ số tương quan
Tương quan là một thuật ngữ được sử dụng để biểu thị sự liên kết hoặc mối quan hệ giữa hai hoặc hơn hai biến định lượng (Gogtay và Thatte, 2017) Một mô hình nghiên cứu đáng tin cậy và không xảy ra đa cộng tuyến thì các biến trong mô hình không có sự tương quan lẫn nhau, do đó phân tích ma trận hệ số tương quan là công việc cần thiết Kết quả cuối cùng của phân tích tương quan trả về hệ số tương quan dao động trong khoảng từ -1 đến +1 Giá trị hệ số tương quan càng tiến về 1 hoặc -1 chỉ ra rằng hai biến có tương quan rất cao; ngược lại hệ số này càng tiến về 0 thì hai biến có tương quan càng thấp Hệ số tương quan lớn hơn 0 thể hiện hai biến có tương quan dương, và ngược lại nếu nhỏ hơn 0 thì tương quan âm, trong khi hệ số tương quan bằng 0 chỉ ra rằng không có mối quan hệ tuyến tính giữa hai biến đang được nghiên cứu
Bước 3: Kiểm định các khuyết tật của mô hình
Sau khi hoàn thành bước 2, tác giả tiếp tục kiểm định các khuyết tật của mô hình thông qua các kiểm định dưới đây:
(1) Kiểm định đa cộng tuyến: Đa cộng tuyến là hiện tượng thống kê xảy ra khi hai hoặc nhiều biến độc lập trong mô hình hồi quy có mối tương quan cao với nhau; đa cộng tuyến làm suy yếu ý nghĩa thống kê của biến độc lập Do đó, kiểm định hệ số VIF (hệ số phóng đại phương sai) được thực hiện nhằm định lượng mức độ đa cộng tuyến giữa các biến trong mô hình Thông thường, hệ số VIF dao động từ 0 đến 10 hàm ý rằng mô hình không có đa cộng tuyến, ngược lại khi VIF > 10, mô hình chắc chắn xảy ra đa cộng tuyến
(2) Kiểm định phương sai sai số thay đổi: Hiện tượng xảy ra khi phương sai của các ước lượng không đồng nhất, điều này sẽ làm ước lượng bị chệch và không hiệu quả Kiểm định Breusch and Pagan hoặc Modified Wald được sử dụng trong trường hợp này với các giả thuyết như sau:
H0: không có hiện tượng phương sai sai số thay đổi
H1: có hiện tượng phương sai sai số thay đổi
Nếu giá trị p_value < 5% thì bác bỏ H0, tức mô hình có hiện tượng phương sai sai số thay đổi và ngược lại
(3) Kiểm định tự tương quan: Tự tương quan xảy ra khi một biến và biến trễ của chính nó (biến tại thời điểm t và tại t-1) được xác định là có tương quan với nhau theo các khoảng thời gian Mô hình có tự tương quan làm ước lượng không còn hiệu quả, vì vậy, kiểm định Wooldridge được sử dụng nhằm xem xét hiện tượng tự tương quan để đưa ra biện pháp khắc phục cho ước lượng với các giả thuyết:
H0: không có hiện tượng tự tương quan
H1: có hiện tượng tự tương quan
Nếu giá trị p_value < 5% thì bác bỏ H0 tức mô hình có hiện tượng tự tương quan và ngược lại, p_value > 5% thể hiện mô hình không xuất hiện hiện tượng này
Nội sinh là hiện tượng một hoặc nhiều biến độc lập trong mô hình tác động đến sai số của mô hình Hiện tượng nội sinh xuất phát từ một số nguyên nhân như sau: bỏ sót biến độc lập, mối quan hệ tác động hai chiều giữa biến độc lập và biến phụ thuộc, lỗi đo lường biến Tác giả đặc biệt chú ý đến trường hợp bỏ sót biến vì các biến đo lường hệ số CAR rất phức tạp, nghiên cứu chỉ có thể trích xuất được 10 biến có ảnh hưởng đáng kể nhất; ngoài ra, mô hình cũng có thể xảy ra trường hợp tương quan hai chiều giữa CAR và các biến độc lập, bằng chứng là đã có rất nhiều nghiên cứu đã thể hiện tác động của CAR đến các biến độc lập như biên lãi ròng, tỷ lệ nợ xấu, hệ số đòn bẩy Vì vậy, kiểm định Durbin Wu-Hausman được thực hiện nhằm kiểm tra các biến nội sinh trong mô hình với các giả thuyết như sau:
H0: biến độc lập là biến ngoại sinh
H1: biến độc lập là biến nội sinh
Nếu giá trị p_value < 5% thì bác bỏ H0, tức biến độc lập của mô hình xảy ra hiện tượng nội sinh và ngược lại
Bước 4: Khắc phục các khuyết tật của mô hình
Mô hình xảy ra dù chỉ một trong bốn khuyết tật phương sai sai số thay đổi, đa cộng tuyến, tự tương quan hoặc nội sinh thì ước lượng đã bị thiên lệch và không còn ý nghĩa thống kê Vì vậy, nghiên cứu xây dựng mô hình bảng động (dynamic panel model) bằng cách đưa độ trễ 1 kỳ của biến phụ thuộc đóng vai trò như một biến độc lập vào mô hình với mục đích khắc phục các vấn đề khuyết tật và lựa chọn mô hình phù hợp nhất Sở dĩ tác giả chọn mô hình động vì cho rằng các nhân tố trong quá khứ sẽ có ảnh hưởng đến biến phụ thuộc hiện tại, hơn thế nữa, việc ước lượng với biến phụ thuộc trễ giúp cung cấp thước đo về tính bền vững theo thời gian của biến phụ thuộc Vì lẽ đó, mô hình sẽ dự đoán tốt hơn sự thay đổi của biến phụ thuộc và hạn chế hiện tượng nội sinh do bỏ sót biến Tuy nhiên, nếu biến trễ tác động với sai số thì hiện tượng nội sinh vẫn sẽ xảy ra trong mô hình, do đó tác giả sử dụng phương pháp S-GMM như một giải pháp triệt để nhất được đề xuất bởi Blundell và Bond (1998) để giải quyết hiện tượng nội sinh trong mô hình
Phương pháp S-GMM (ước lượng moment tổng quát hệ thống): là một lựa chọn khá phổ biến trong việc ước lượng mô hình động và có thể loại bỏ vấn đề nội sinh khó khắc phục S-GMM, hay còn gọi là GMM hệ thống được phát triển bởi Blundell và Bond vào năm 1998 với ưu điểm đặc thù về xử lý vấn đề nội sinh bằng cách đưa độ trễ của biến nội sinh vào mô hình thành các biến công cụ Để đảm bảo tính nhất quán, mô hình S-GMM cần đạt một số điều kiện sau đây:
(1) Kiểm định mô hình nhận dạng quá mức (Over-identified model): Mô hình nhận dạng quá mức khi số biến công cụ (Number of instruments) nhỏ hơn số nhóm (Number of groups), đây là điều kiện bắt buộc khi ước lượng bằng phương pháp GMM
(2) Kiểm định Sargan và Hansen đều được sử dụng với mục đích xác định biến công cụ có phải là biến ngoại sinh hay không Tuy nhiên, kiểm định Hansen được nhận định là phù hợp hơn trong phương pháp S-GMM hai bước với các giả thuyết:
H0: biến công cụ là ngoại sinh
H1: biến công cụ là nội sinh
Nếu p_value > 10%, chấp nhận H0 có nghĩa là biến công cụ là biến ngoại sinh, không tương quan với sai số của mô hình Kiểm định Hansen nên có p_value lớn hơn 0,25 và càng tiến về 1 càng tốt (Roodman, 2009)
(3) Kiểm định Arellano – Bond bậc nhất: Phương pháp GMM được xây dựng trên phương trình sai phân bậc nhất của sai số (first differences), có dạng:
Hai phương trình trên có chung kỳ trung gian là t-1, do đó kết quả kiểm định mặc nhiên có tương quan bậc 1 của sai số (Kiviet, 2019)
Kiểm định có các giả thuyết:
H0: Sai số không có hiện tượng tương quan bậc 1
H1: Sai số có hiện tượng tương quan bậc 1
Nếu AR(1) có p_value < 5%, bác bỏ H0, nghĩa là sai số của mô hình có hiện tượng tương quan bậc 1
(4) Kiểm định Arellano – Bond bậc hai: được sử dụng để kiểm định tự tương quan của sai số bậc 2 ở dạng sai phân (difference) tương đương với sai số bậc 1 ở dạng gốc (level), đây là hiện tượng có thể làm cho các biến công cụ không hiệu quả Vì vậy, phương pháp GMM bắt buộc kết quả kiểm định là sai số không có tương quan bậc 2 (Kiviet, 2019) Kiểm định được thực hiện với các giả thuyết sau đây:
H0: Sai số không có hiện tượng tương quan bậc 2
H1: Sai số có hiện tượng tương quan bậc 2
Nếu AR(2) có p_value > 5%, chấp nhận H0, nghĩa là sai số của mô hình không có hiện tượng tương quan bậc 2.
MÔ HÌNH NGHIÊN CỨU
Trên cơ sở các nghiên cứu trong lược khảo bao gồm như Pant và Nidugala (2017); El-Ansary và cộng sự (2019); Lê Thị Hồng Thủy và cộng sự (2021), tác giả đề xuất mô hình nghiên cứu các yếu tố ảnh hưởng đến hệ số an toàn vốn của các NHTMCP Việt Nam, cụ thể như sau:
CAR i,t = β 0 + β 1 SIZE i,t + β 2 ROA i,t + β 3 NIM i,t + β 4 NPL i,t + β 5 DEP i,t + β 6 LEV i,t + β 7 LOA i,t + β 8 GDP t + β 9 INF t + β 10 INT t + ε i,t
Trong đó: β0: Hệ số chặn β1 … β12: Hệ số hồi quy ε: Phần dư (sai số ngẫu nhiên) i đại diện cho các NHTMCP t là thời điểm năm t trong suốt giai đoạn 2011-2022
CAR: Hệ số an toàn vốn của ngân hàng
Nhóm các yếu tố vi mô:
SIZE: Quy mô ngân hàng
ROA: Khả năng sinh lời
NPL: Tỷ lệ nợ xấu (rủi ro tín dụng)
DEP: Tỷ lệ tiền gửi
LEV: Hệ số đòn bẩy
LOA: Tỷ lệ cho vay
Nhóm các yếu tố vĩ mô:
GDP: Tốc độ tăng trưởng kinh tế
INF: Tỷ lệ lạm phát
3.3 GIẢI THÍCH CÁC BIẾN TRONG MÔ HÌNH VÀ GIẢ THUYẾT NGHIÊN CỨU
Hệ số an toàn vốn (CAR) hay còn được gọi là tỷ lệ vốn tự có trên tài sản có trọng số rủi ro, theo Ủy ban Basel, hệ số này được đo lường với công thức:
Tài sản có trọng số rủi ro
Hệ số an toàn vốn là chỉ số đánh giá sức khỏe tài chính cho mỗi ngân hàng, giúp nhà đầu tư, khách hàng và các nhà hoạch định chính sách đánh giá được mức độ rủi ro tiềm tàng của một ngân hàng trước khi ra quyết định đầu tư Hệ số này được sử dụng phổ biến như một cách thúc đẩy sự ổn định và lành mạnh của hệ thống tài chính trên toàn thế giới cũng như bảo vệ lợi ích của người gửi tiền
3.3.2.1 Quy mô ngân hàng (SIZE)
Quy mô ngân hàng được đo lường bằng logarit tự nhiên của tổng tài sản ngân hàng Các ngân hàng lớn có danh tiếng và kinh nghiệm hơn các ngân hàng nhỏ trong việc huy động vốn và sàng lọc rủi ro; do đó, họ đối diện với ít rủi ro hơn Hơn thế nữa, tầm quan trọng của ngân hàng lớn trong hệ thống tài chính cho phép họ hưởng được sự hỗ trợ của Chính phủ khi gặp khó khăn Những yếu tố này cho thấy ngân hàng lớn không nhất thiết phải duy trì lượng vốn đệm lớn Mặt khác, các ngân hàng lớn có thể sử dụng lợi thế cạnh tranh của mình để khai thác các danh mục đầu tư rủi ro; lúc này tài sản có trọng số rủi ro cao tăng gây giảm CAR Hầu hết các nghiên cứu trong lược khảo như Lê Hồng Thái (2020); Uvan (2020); Senan và cộng sự (2022); Phạm Hải Nam và cộng sự (2022) đều chứng minh rằng quy mô ngân hàng có ảnh hưởng ngược chiều đến hệ số an toàn vốn Vì vậy, tác giả kỳ vọng mối quan hệ SIZE và CAR là ngược chiều
Giả thuyết H 1 : Quy mô ngân hàng ảnh hưởng ngược chiều đến hệ số an toàn vốn 3.3.2.2 Khả năng sinh lời (ROA)
Tỷ suất sinh lời trên tài sản (ROA) là chỉ số tài chính đo lường bằng lợi nhuận trên tổng tài sản của ngân hàng Các ngân hàng đặt mục tiêu lợi nhuận cao đồng nghĩa với việc chấp nhận đầu tư vào danh mục rủi ro hơn Cùng với đó, họ không có xu hướng bổ sung thêm vốn để phòng ngừa rủi ro Tài sản rủi ro tăng cao nhưng ngân hàng không có phương án tăng vốn dẫn hệ số CAR biến động giảm Các nghiên cứu của Lê Hồng Thái (2020); Lê Thị Thanh Lộc và cộng sự (2022); Obeid (2023) cho thấy khả năng sinh lời tác động ngược chiều đến hệ số an toàn vốn Trên cơ sở đó, tác giả kỳ vọng mối quan hệ ngược chiều giữa ROA và CAR
Giả thuyết H 2 : Khả năng sinh lời ảnh hưởng ngược chiều đến hệ số an toàn vốn
Biên lãi ròng được xác định bằng tỷ lệ thu nhập lãi thuần trên tài sản sinh lãi, đây là thước đo hiệu quả hoạt động của ngân hàng Nghiên cứu của Lê Hồng Thái (2020) cho thấy biên lãi ròng tỷ lệ thuận với hệ số CAR Các ngân hàng muốn tăng NIM thì bắt buộc phải tăng thu nhập lãi, có thể đến từ việc tăng cường các hoạt động đầu tư vào tài sản có khả năng sinh lời cao, góp phần giúp lợi nhuận tăng; lợi nhuận tăng đóng góp vào việc tăng vốn ngân hàng, dẫn đến tăng hệ số an toàn vốn Do đó, tác giả kỳ vọng mối quan hệ đồng biến giữa NIM và CAR
Giả thuyết H 3 : Biên lãi ròng ảnh hưởng cùng chiều đến hệ số an toàn vốn
3.3.2.4 Tỷ lệ nợ xấu (NPL)
Tỷ lệ nợ xấu (NPL) được đo lường bằng tổng số nợ xấu trên tổng số nợ, đây là rủi ro tín dụng đối với ngân hàng vì tỷ lệ này làm giảm thu nhập lãi và giá trị của danh mục cho vay Tỷ lệ nợ xấu cao có nghĩa là ngân hàng có nhiều tài sản rủi ro hơn, điều này có thể làm tăng trọng số rủi ro của tài sản và do đó làm giảm CAR Hơn thế nữa, NPL cao yêu cầu ngân hàng trích lập dự phòng nhiều hơn, dẫn đến xói mòn vốn ngân hàng Điều này đã được thể hiện qua nghiên cứu của Lê Thị Thanh Lộc và cộng sự vào năm 2022 Do đó, tác giả kỳ vọng mối quan hệ giữa tỷ lệ nợ xấu và hệ số an toàn vốn là ngược chiều
Giả thuyết H 4 : Tỷ lệ nợ xấu ảnh hưởng ngược chiều đến hệ số an toàn vốn
Tỷ lệ tiền gửi được tính bằng tổng tiền gửi của khách hàng trên tổng tài sản của ngân hàng; tỷ lệ này có vai trò quan trọng trong việc đánh giá tính thanh khoản và rủi ro của ngân hàng Các ngân hàng có tỷ lệ tiền gửi cao là biểu hiện của sự ổn định tài chính, do đó, họ không cần thiết phải duy trì lượng vốn đệm cao, điều này dẫn đến hệ số an toàn vốn giảm Các nghiên cứu trước đây của El-Ansary và cộng sự (2019); Tô Trung Thành và Huỳnh Hải Yến (2021) cũng đều chỉ ra rằng tỷ lệ tiền gửi tỷ lệ nghịch với hệ số an toàn vốn, do đó tác giả cũng kỳ vọng mối tương quan âm giữa DEP và CAR
Giả thuyết H 5 : Tỷ lệ tiền gửi ảnh hưởng ngược chiều đến hệ số an toàn vốn
3.3.2.6 Hệ số đòn bẩy tài chính (LEV)
Hệ số đòn bẩy trong nghiên cứu được thể hiện bằng tỷ lệ D/E, tức là nợ phải trả trên vốn chủ sở hữu của ngân hàng; hệ số đòn bẩy cao hàm ý rằng ngân hàng có nhiều nợ hơn vốn chủ sở hữu, ngân hàng sẽ phải chi trả khoản chi phí nợ tăng cao, điều này có thể làm giảm khả năng tạo vốn của ngân hàng, từ đó làm giảm hệ số CAR Mặt khác, hệ số đòn bẩy cao dẫn đến cái nhìn tiêu cực của thị trường và góp phần đẩy chi phí vốn tăng cao Hầu hết các nghiên cứu trước đây liên quan đến hệ số đòn bẩy tài chính, bao gồm Lê Hồng Thái (2020); Uvan (2020); Lê Thị Hồng Thủy và cộng sự (2021) đều cho rằng hệ số đòn bẩy tương quan âm với CAR, trên cơ sở đó, tác giả kỳ vọng mối quan hệ giữa LEV và CAR là ngược chiều
Giả thuyết H 6 : Hệ số đòn bẩy tài chính ảnh hưởng ngược chiều đến hệ số an toàn vốn 3.3.2.7 Tỷ lệ cho vay (LOA)
Tỷ lệ cho vay (LOA) được đo lường bằng dư nợ cho vay khách hàng trên tổng tài sản của ngân hàng; chỉ số này cho biết sự an toàn trong hoạt động của ngân hàng vì các khoản cho vay khách hàng được nhận định là có tính thanh khoản kém và rủi ro hơn các tài sản khác Cho vay là nguồn thu nhập chính yếu, do đó, các ngân hàng thường có xu hướng tăng cường cho vay bằng cách nới lỏng quy trình giám sát, dẫn đến rủi ro tín dụng tăng cao, điều này làm giảm CAR thông qua điều chỉnh tăng tài sản rủi ro (Lê Thị Hồng Thủy và cộng sự, 2021) Trên cơ sở đó, tác giả kỳ vọng mối quan hệ giữa LOA và CAR là ngược chiều
Giả thuyết H 7 : Tỷ lệ cho vay ảnh hưởng ngược chiều đến hệ số an toàn vốn
3.3.2.8 Tốc độ tăng trưởng kinh tế (GDP)
Tốc độ tăng trưởng kinh tế được xác định bằng khoảng chênh lệch giữa tổng sản phẩm quốc nội (GDP) kỳ này so với kỳ trước Khi tăng trưởng kinh tế cao, hoạt động kinh doanh năng động kéo theo nhu cầu tín dụng của công chúng cao hơn Các ngân hàng lúc này thực hiện cho vay nhiều hơn làm tăng tài sản có rủi ro của họ Kết quả là hệ số an toàn vốn bị giảm Ngược lại, trong thời điểm kinh tế suy thoái, các ngân hàng có xu hướng duy trì ổn định CAR để phòng ngừa nguy cơ mất khả năng thanh toán Các nghiên cứu của El-Ansary và cộng sự (2019); Phạm Hải Nam và cộng sự (2021); Lê Thị Thanh Lộc và cộng sự (2022) đã chứng minh ngân hàng duy trì CAR cao trong môi trường kinh tế tăng trưởng với tốc độ cao Vì vậy, tác giả kỳ vọng mối quan hệ ngược chiều giữa tốc độ tăng trưởng kinh tế và hệ số an toàn vốn
Giả thuyết H 8 : Tốc độ tăng trưởng kinh tế ảnh hưởng ngược chiều đến hệ số an toàn vốn
3.3.2.9 Tỷ lệ lạm phát (INF)
Tỷ lệ lạm phát được đo lường bằng mức tăng chỉ số giá tiêu dùng của kỳ này do với kỳ trước Trong giai đoạn lạm phát tăng cao, do phòng ngừa khả năng bị xói mòn giá trị thực khoản cho vay, các ngân hàng có xu hướng hạn chế tăng trưởng tín dụng, từ đó lợi nhuận giảm sút và hệ số an toàn vốn giảm tương ứng Ngược lại, nếu ngân hàng vẫn tăng trưởng cho vay, họ sẽ phải đối diện với việc tăng rủi ro tín dụng, dẫn đến giảm CAR Hầu như tất cả các nghiên cứu có liên quan đến tỷ lệ lạm phát trong lược khảo, chẳng hạn như Pant và Nidugala (2017); Tô Trung Thành và Huỳnh Hải Yến (2021) đều cho ra kết quả tương quan âm giữa tỷ lệ lạm phát và hệ số an toàn vốn Trên cơ sở đó, tác giả kỳ vọng INF tỷ lệ nghịch với CAR
Giả thuyết H 9 : Tỷ lệ lạm phát ảnh hưởng ngược chiều đến hệ số an toàn vốn
Lãi suất thực đại diện cho biến INT trong nghiên cứu này Ngân hàng là định chế cực kỳ nhạy cảm đối với sự thay đổi của lãi suất do tính chất hoạt động của họ Lãi suất cao làm tăng rủi ro về các khoản nợ xấu vì thực tế người đi vay phải trả lãi nhiều hơn cho khoản vay của mình, điều này làm tăng trích lập dự phòng rủi ro từ vốn của ngân hàng, dẫn đến giảm hệ số an toàn vốn Cùng với đó, ngân hàng phải trả chi phí vốn cao hơn cho người gửi tiền Các nghiên cứu của Pant và Nidugala (2017);
Uvan (2020); Lê Hồng Thái (2020); Senan và cộng sự (2022) đều chứng minh mối quan hệ ngược chiều giữa lãi suất với hệ số an toàn vốn Do đó, tác giả kỳ vọng INT tỷ lệ nghịch với CAR
Giả thuyết H 10 : Lãi suất ảnh hưởng ngược chiều đến hệ số an toàn vốn
Bảng 3.1: Tổng hợp các biến và giả thuyết nghiên cứu
Biến số Ký hiệu Cách đo lường Nghiên cứu đã sử dụng
Hệ số an toàn vốn
Tài sản có trọng số rủi ro
SIZE Logarit tự nhiên của tổng tài sản
Uvan (2020); Senan và cộng sự (2022); Phạm Hải Nam và cộng sự (2022);
ROA Lợi nhuận sau thuế
Lê Hồng Thái (2020); Lê Thị Thanh Lộc và cộng sự (2022); Obeid (2023)
Biên lãi ròng NIM Thu nhập lãi − chi phí lãi
Tổng tài sản sinh lời
Tỷ lệ nợ xấu NPL Nợ nhóm 3,4,5
Lê Thị Thanh Lộc và cộng sự (2022) –
Tỷ lệ tiền gửi DEP Tiền gửi khách hàng
El-Ansary và cộng sự (2020); Tô Trung Thành và Huỳnh Hải Yến (2021); Senan và cộng sự (2022)
Uvan (2020); Lê Thị Hồng Thủy và cộng sự (2021)
LOA Dư nợ cho vay
Lê Thị Hồng Thủy và cộng sự (2021) –
Tốc độ tăng trưởng kinh tế
(Dữ liệu có sẵn từ World
El-Ansary và cộng sự (2019); Phạm Hải Nam và cộng sự (2022); Senan và cộng sự (2022)
(Dữ liệu có sẵn từ Tổng cục thống kê)
Tô Trung Thành và Huỳnh Hải Yến (2021);
Phạm Hải Nam và cộng sự (2022)
(Dữ liệu có sẵn từ World
Uvan (2020); Lê Hồng Thái (2020); Senan và cộng sự (2022)
Nguồn: Tác giả tự tổng hợp
KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN
PHÂN TÍCH THỐNG KÊ MÔ TẢ
Nghiên cứu tổng hợp dữ liệu từ báo cáo thường niên của 24 ngân hàng và dữ liệu vĩ mô trích xuất từ World Bank và Tổng cục Thống kê trong khoảng thời gian từ năm 2011 đến 2022 Mẫu nghiên cứu gồm 288 quan sát từ 10 biến độc lập và 1 biến phụ thuộc
Bảng 4.1: Thống kê mô tả các biến
Trung bình Độ lệch chuẩn
Nguồn: Tác giả trích xuất từ Stata
Hệ số an toàn vốn (CAR): CAR có giá trị trung bình trong giai đoạn 2011-
2022 là 13,57%, ứng với độ lệch chuẩn là 4,36% Giá trị nhỏ nhất của CAR là 8,04% thuộc về ngân hàng ACB vào năm 2017 và giá trị lớn nhất là 40,15% thuộc về hệ số an toàn vốn của TPB vào năm 2012
Quy mô ngân hàng (SIZE): Giá trị trung bình của SIZE được đo lường bằng logarit tự nhiên của tổng tài sản trong giai đoạn 2011-2022 là 11,8 tương đương với 264.129,3 tỷ đồng, và có thể thấy quy mô giữa các NHTM có sự khác biệt nhau khá lớn thể hiện qua độ lệch chuẩn lên đến 1,19 Giá trị nhỏ nhất của SIZE là 14.884,74 tỷ đồng thuộc về ngân hàng SGB vào năm 2013 và giá trị lớn nhất là quy mô tài sản của BID vào năm 2022 với 2.120.609,38 tỷ đồng
Khả năng sinh lời (ROA): Giá trị trung bình của ROA trong giai đoạn 2011-
2022 là 0,88%, ứng với độ lệch chuẩn là 0,77% Giá trị nhỏ nhất của ROA đáng báo động ở mức -5,51%, thuộc về ngân hàng TPB vào năm 2011; ngược lại, giá trị lớn nhất là 3,24% thuộc về ROA của TCB vào năm 2021, thể hiện mức độ sử dụng tài sản hiệu quả của ngân hàng nhằm tạo ra lợi nhuận
Biên lãi ròng (NIM): Biên lãi ròng đạt giá trị trung bình trong giai đoạn 2011-
2022 là 3,04%, ứng với độ lệch chuẩn là 1,30% TPB vào năm 2011 có giá trị NIM nhỏ nhất chỉ đạt -0,75% khi hoạt động cho vay không hiệu quả, chi phí lãi vay lớn hơn thu nhập lãi; ngược lại, giá trị lớn nhất là 8,73% thuộc về NIM của VPN vào năm
Tỷ lệ nợ xấu (NPL): Giá trị trung bình của NPL trong giai đoạn 2011-2022 là 2,22%, dao động với độ lệch chuẩn là 1,5% Giá trị nhỏ nhất của NPL đạt 0,467%, thuộc về TCB vào năm 2020; giá trị NPL lớn nhất là 17,93% thuộc về ngân hàng NVB vào năm 2022
Tỷ lệ tiền gửi (DEP): Tỷ lệ tiền gửi đạt giá trị trung bình trong giai đoạn 2011-
2022 là 64,77%, ứng với độ lệch chuẩn là 11,78% Giá trị lớn nhất của DEP thuộc về STB năm 2015 do ngân hàng này điều chỉnh tăng lãi suất huy động; ngược lại là trường hợp của TPB vào năm 2011 khi đạt giá trị nhỏ nhất với 25,08%
Hệ số đòn bẩy (LEV): Hệ số đòn bẩy dao động từ 3,19 ở mức thấp nhất đến 23,62 ở mức cao nhất Với độ lệch chuẩn lên đến 4,25 cho thấy có sự khác biệt lớn trong việc sử dụng đòn bẩy tài chính giữa các ngân hàng Nhìn chung, do đặc điểm kinh doanh của ngành, giá trị trung bình của LEV trong giai đoạn 2011-2022 là 11,32 thể hiện xu hướng sử dụng các khoản nợ - phần lớn là tiền gửi khách hàng để tài trợ cho hoạt động kinh doanh của các ngân hàng Giá trị nhỏ nhất của LEV là thuộc về ngân hàng KLB vào năm 2011 với 3,19 và giá trị lớn nhất là hệ số đòn bẩy của BID đạt 23,62 vào năm 2017
Tỷ lệ cho vay (LOA): Giá trị trung bình của LOA trong giai đoạn 2011-2022 là 57,45% với độ lệch chuẩn là 12,26% Giá trị nhỏ nhất của LOA chỉ ở mức 14,73%, thuộc về ngân hàng TPB vào năm 2011; ngược lại, giá trị lớn nhất thuộc về LOA của BID vào năm 2020 với con số ấn tượng 80,06%
Tốc độ tăng trưởng kinh tế (GDP): Tốc độ tăng trưởng GDP có giá trị trung bình trong giai đoạn nghiên cứu là 6,064% với độ lệch chuẩn 1,7% Việt Nam có tốc độ tăng trưởng GDP thấp nhất vào năm 2021 – thời điểm đại dịch Covid-19 đang diễn biến căng thẳng khi chỉ đạt 2,56%; giá trị cao nhất đạt 8,02% vào năm 2022
Tỷ lệ lạm phát (INF): Bảng thống kê cho thấy sự biến động khá mạnh của tỷ lệ lạm phát qua giá trị bình quân trong giai đoạn 2011-2022 là 4,99% với độ lệch chuẩn lên đến 4,64% INF có giá trị nhỏ nhất vào năm 2015 với con số 0,63% và giá trị lớn nhất là 18,68% vào năm 2011
Lãi suất (INT): Giá trị trung bình của biến lãi suất trong giai đoạn 2011-2022 là 4,43%, ứng với độ lệch chuẩn là 2,99% Năm 2011 có giá trị lãi suất nhỏ nhất khi chỉ có -3,67%; ngược lại, giá trị lớn nhất của lãi suất thực trong thời gian nghiên cứu là 8,99% vào năm 2015.
PHÂN TÍCH TƯƠNG QUAN
Hệ số tương quan là thước đo thống kê về độ mạnh/yếu của mối quan hệ tuyến tính giữa 1 cặp biến; giá trị của hệ số có thể dao động từ -1 đến 1 Kennedy (2003) cho rằng giá trị hệ số tương quan giữa các biến độc lập bằng hoặc lớn hơn 0,8 được xem là dấu hiệu của hiện tượng đa cộng tuyến trong mô hình
Bảng 4.2: Ma trận hệ số tương quan giữa các biến
CAR SIZE ROA NIM NPL DEP LEV LOA GDP INF INT
Nguồn: Tác giả trích xuất từ Stata
Bảng 4.2 dưới đây cho thấy 2 chiều hướng tương quan giữa các biến độc lập với biến phụ thuộc: các biến NIM, NPL, GDP, INF tương quan dương; trong khi đó SIZE, ROA, DEP, LEV, LOA, INT tương quan âm với CAR LEV tương quan lớn nhất với CAR thể hiện qua hệ số tương quan là -0,651 và ROA tương quan âm nhỏ nhất với hệ số tương quan -0,019
Giá trị tuyệt đối của hệ số tương quan giữa các biến độc lập trong mô hình trải dài từ 0,002 đến 0,7995 Tuy cặp biến độc lập INT và INF có hệ số tương quan cao (lên đến 0,7995) nhưng con số vẫn nằm trong vùng an toàn dưới 0,8 Có thể kết luận các biến trong mô hình độc lập tuyến tính với nhau, có nghĩa rằng các biến độc lập trong mô hình là phù hợp.
KIỂM ĐỊNH CÁC KHUYẾT TẬT CỦA MÔ HÌNH
4.3.1 Kiểm định đa cộng tuyến
Bảng 4.3 cho thấy tất cả các biến của mô hình đều đó hệ số VIF nhỏ hơn 10, vì vậy mô hình không xảy ra đa cộng tuyến
Bảng 4.3: Kết quả kiểm định đa cộng tuyến
Biến độc lập VIF 1/VIF
Nguồn: Tác giả trích xuất từ Stata
4.3.2 Kiểm định phương sai sai số thay đổi
Nghiên cứu áp dụng kiểm định Modified Wald để xác định mô hình có gặp hiện tượng phương sai sai số thay đổi hay không Kết quả kiểm định được thể hiện ở bảng 4.4, có thể thấy p_value = 0,000 < 5%, vì vậy mô hình có hiện tượng phương sai sai số thay đổi
Bảng 4.4: Kết quả kiểm định phương sai sai số thay đổi chi2 (24) = 765,72 Prob > chi2 = 0,0000
Nguồn: Tác giả trích xuất từ Stata
4.3.3 Kiểm định tự tương quan
Tác giả sử dụng kiểm định Wooldridge để xem xét hiện tượng tự tương quan trong mô hình Qua bảng 4.5 có thể thấy p_value = 0,0005 < 5%, bác bỏ H0, tức mô hình xảy ra hiện tượng tự tương quan
Bảng 4.5: Kết quả kiểm định tự tương quan
Nguồn: Tác giả trích xuất từ Stata
Khóa luận sử dụng kiểm định Durbin Wu-Hausman để xác định biến nội sinh trong mô hình Bảng 4.6 dưới đây thể hiện kết quả kiểm định biến nội sinh trong mô hình Kết quả cho thấy các biến SIZE, ROA, NIM, LOA, INF là những biến nội sinh có tác động đến sai số của mô hình, trong khi những biến còn lại như NPL, DEP, LEV, GDP, INT là những biến ngoại sinh Vì vậy, có thể kết luận mô hình đã gặp hiện tượng nội sinh dẫn đến không còn đảm bảo tính vững và đáng tin cậy
Bảng 4.6: Kết quả kiểm định nội sinh
Biến độc lập Kết quả Kết luận
SIZE p_value = 0,002 Biến nội sinh
ROA p_value = 0,0000 Biến nội sinh
NIM p_value= 0,0088 Biến nội sinh
NPL p_value = 0,9648 Biến ngoại sinh
DEP p_value = 0,0768 Biến ngoại sinh
LEV p_value = 0,0855 Biến ngoại sinh
LOA p_value = 0,0009 Biến nội sinh
GDP p_value = 0,7255 Biến ngoại sinh
INF p_value = 0,012 Biến nội sinh
INT p_value = 0,5244 Biến ngoại sinh
Nguồn: Tác giả tự tổng hợp
KẾT QUẢ HỒI QUY MÔ HÌNH NGHIÊN CỨU
Sau quá trình kiểm định các khuyết tật, có thể thấy mô hình gặp phải 3 hiện tượng đáng chú ý: phương sai sai số thay đổi, tự tương quan và nội sinh Điều này sẽ làm cho ước lượng bị thiên lệch, không vững và các biến độc lập trong mô hình có ý nghĩa thống kê không đáng tin cậy Vì vậy, tác giả thực hiện S-GMM nhằm khắc phục các khuyết tật mà các phương pháp khác không đáp ứng đủ Ngoài ra, CAR kỳ trước cũng có thể ảnh hưởng đến CAR kỳ này Chính vì vậy, tác giả bổ sung thêm biến trễ 1 kỳ của biến phụ thuộc (LCAR) vào mô hình nhằm xây dựng mô hình động giúp dự đoán tốt hơn sự thay đổi của CAR, bên cạnh đó, mô hình động cũng được xác định là phù hợp hơn so với mô hình tĩnh khi sử dụng phương pháp S-GMM hai bước
Bảng 4.7: Kết quả hồi quy theo mô hình S-GMM
CAR Hệ số hồi quy P>z LCAR 0,3589*** 0,000
Nguồn: Tác giả trích xuất từ Stata Để xác định mô hình có đảm bảo tính vững và đáng tin cậy hay không, tác giả thực hiện một số kiểm định dưới đây:
Kiểm định mô hình nhận dạng quá mức: Số nhóm trong mô hình là 24, số biến công cụ là 20, do đó mô hình đã đáp ứng điều kiện số nhóm lớn hơn số biến công cụ (24 > 20)
Kiểm định Arellano và Bond tự tương quan bậc 1
Bảng 4.7 cho kết quả p_value của AR(1) = 0,014 < 5%, tức sai số của mô hình có tự tương quan bậc 1, đây là kết quả hiển nhiên vì mô hình GMM xây dựng bắt buộc phải có tự tương quan bậc 1
Kiểm định Arellano và Bond tự tương quan bậc 2 Đối với AR(2), giá trị p_value = 0,272 > 5%, bác bỏ H0, chứng tỏ sai số của mô hình không bị tương quan bậc 2
Giá trị p_value = 0,776 > 10%, chấp nhận H0, biến công cụ được sử dụng trong mô hình hoàn toàn là biến ngoại sinh và có thể sử dụng để thay thế các biến nội sinh
Kết quả ước lượng cho thấy mô hình S-GMM đã xử lý tốt các khuyết tật của mô hình để tạo ra ước lượng vững và không thiên lệch thông qua việc thỏa mãn các điều kiện bắt buộc về kiểm định nội sinh và tự tương quan Do đó, mô hình S-GMM này là đáng tin cậy và có thể sử dụng làm kết quả nghiên cứu cuối cùng, cụ thể:
CARi,t = 0,0939 + 0,3589 LCARi,t + 0,0139 SIZEi,t – 3,9111 ROAi,t + 0,9788 NIMi,t
– 0,699 NPLi,t + 0,0063 DEPi,t – 0,0067 LEVi,t – 0,0776 LOAi,t + 0,126 GDPt
KIỂM ĐỊNH GIẢ THUYẾT NGHIÊN CỨU
Tác giả tổng hợp kết quả của phương pháp S-GMM làm kết quả nghiên cứu chính thức Các biến khả năng sinh lời (ROA), hệ số đòn bẩy tài chính (LEV), tỷ lệ lạm phát (INF) và lãi suất (INT) ảnh hưởng ngược chiều đến hệ số an toàn vốn ở mức ý nghĩa thống kê 1% Ở mức ý nghĩa 5%, ba biến biên lãi ròng (NIM), quy mô ngân hàng (SIZE) và tốc độ tăng trưởng kinh tế (GDP) ảnh hưởng thuận chiều đến hệ số CAR; trong khi đó, biến tỷ lệ cho vay (LOA) ảnh hưởng ngược chiều Biến tỷ lệ nợ xấu (NPL) ảnh hưởng ngược chiều đến CAR ở mức ý nghĩa 10% Bên cạnh đó, đúng như dự đoán, biến trễ LCAR ảnh hưởng cùng chiều đến CAR với mức ý nghĩa thống kê cao thể hiện việc đưa biến này vào mô hình nghiên cứu là một lựa chọn hợp lý
Chấp nhận giả thuyết của hầu hết các biến, ngoại trừ biến SIZE, GDP ngược dấu và biến DEP không có ý nghĩa thống kê trong mô hình
Bảng 4.8: Bảng kiểm định giả thuyết nghiên cứu
Nguồn: Tác giả tự tổng hợp
