Các yếu tố ảnh hưởng đến tỷ lệ nợ xấu tại các ngân hàng thương mại cổ phần Việt Nam

Kết quả nghiên cứu cho thấy: Quy mô ngân hàng, Tốc độ tăng trưởng tín dụng, Hiệu quả quản lý chi phí, Chỉ số giá tiêu dùng và Dịch bệnh Covid tác động cùng chiều với tỷ lệ nợ xấu của các Các yếu tố ảnh hưởng đến tỷ lệ nợ xấu tại các ngân hàng thương mại cổ phần Việt NamCác yếu tố ảnh hưởng đến tỷ lệ nợ xấu tại các ngân hàng thương mại cổ phần Việt Nam

GIỚI THIỆU ĐỀ TÀI

TÍNH CẤP THIẾT CỦA ĐỀ TÀI

Theo Kwambai và Wandera (2013), hệ thống ngân hàng đóng vai trò quan trọng trong nền kinh tế Chức năng của hệ thống này không chỉ giới hạn ở việc cung cấp các sản phẩm dịch vụ tài chính cho cá nhân và doanh nghiệp, mà nó còn có tác động nhất định đến cả nền kinh tế Một số tác động của hệ thống ngân hàng có thể kể đến như: trung gian tài chính (thặng dư vốn được chuyển thành thâm hụt thông qua việc nhận tiền gửi và cho vay), cung cấp dịch vụ thanh toán, quản lý rủi ro tài chính (bảo hiểm, hợp đồng tương lai, hợp đồng quyền chọn, hoán đổi,…), chức năng tạo tiền – đây là chức năng trọng yếu của Ngân hàng, thực thi chính sách tiền tệ Một trong những nhiệm vụ chính, đồng thời cũng là nguồn thu nhập trọng yếu của ngân hàng, là hoạt động cho vay Tuy nhiên, đi cùng với hoạt động này, tồn tại một loại rủi ro mà không hệ thống ngân hàng, nền kinh tế nào mong muốn, đó là nợ xấu

Do đó, để xác định và kiểm soát rủi ro tín dụng, cũng như đánh giá, xem xét hiệu quả hoạt động tại các ngân hàng thì chỉ tiêu tỷ lệ nợ xấu là một trong những chỉ tiêu được sử dụng phổ biến, rộng rãi nhất và luôn được các nhà hoạch định chính sách quan tâm Đối với NHTMCP, nợ xấu có thể làm giảm lợi nhuận từ đó gây tổn hại lợi ích của các cổ đông (Kanagaretnam, Lobo, & Mathieu, 2003; Duong và cộng sự, 2022) Tỷ lệ nợ xấu cao có thể gây bất lợi cho ngân hàng vì nó là nguyên nhân gây sụt giảm lợi nhuận, yêu cầu dự phòng cao và đòi hỏi một sự quan tâm sát sao và thường xuyên

Theo thông cáo “Asset Quality of Vietnamese Consumer Finance to Remain Under Pressure”, tỷ lệ nợ xấu của Việt Nam tại thời điểm cuối năm 2022 chiếm khoảng 11% tổng dư nợ của hệ thống ngân hàng (Fitch Ratings, 2023) Sau khi Quyết định số 254/QD-TTg được phê duyệt về cơ cấu lại hệ thống các tổ chức tín dụng giai đoạn 2011 – 2015 ngày 01/03/2021 của Thủ tướng Chính phủ, và Công ty Quản lý tài sản Việt Nam (VAMC) được thành lập, con số chính xác về tỷ lệ nợ xấu - Tỷ lệ nợ xấu tại Việt Nam vẫn còn gây tranh cãi, gây hoài nghi về tình hình nợ xấu thực tế tại các định chế tài chính ngân hàng Ngoài ra, theo báo cáo thường niên 2015 của Kiểm toán Nhà nước, tỷ lệ nợ xấu cuối năm 2015 là 8,85%, bao gồm dư nợ tại VAMC, nợ hạn chế và nợ chưa chuyển sang nhóm nợ xấu theo quy định (theo kết luận của kiểm toán Ngân hàng Nhà nước) Con số này cao gấp ba lần con số dự kiến mà Ngân hàng Nhà nước Việt Nam đưa ra hồi đầu năm 2015 – 2,55% Dựa trên những báo cáo này, nợ xấu thực sự là một vấn đề nhức nhối và cấp bách cần được kiểm soát chặt chẽ và minh bạch hơn Bước sang giai đoạn 2016 – 2020, sau Quyết định số 2071/QD-BCT về cơ cấu lại hệ thống các tổ chức tín dụng giai đoạn 2016 – 2020 của Bộ Tài chính ngày 16/10/2017 và Nghị quyết số 42/2017/QH14 về thí điểm xử lý nợ xấu của các tổ chức tín dụng, hệ thống ngân hàng đã đạt được một số thành tựu nhất định Tính đến 31/12/2021, có khoảng 380,2 nghìn tỷ đồng nợ xấu đã được xử lý kể từ khi Nghị quyết số 42 có hiệu lực Nợ xấu được xử lý bình quân đạt khoảng 5,67 nghìn tỷ đồng/tháng, cao hơn mức bình quân giai đoạn trước khi Nghị quyết 42 có hiệu lực là 3,25 nghìn tỷ đồng/tháng (giai đoạn 2012 - 2017)

Tuy nhiên, theo thống kê từ Hiệp hội Ngân hàng Việt Nam, trong 02 năm

2021 và 2022, nền kinh tế bị tác động tiêu cực bởi Covid-19 Quy định cho phép cơ cấu nợ của Thông tư 01/2020/TT-NHNN ngày 13/03/2020 Quy định về việc TCTD, Chi nhánh Ngân hàng nước ngoài cơ cấu lại thời hạn trả nợ, miễn, giảm lãi, phí, giữ nguyên nhóm nợ nhằm hỗ trợ khách hàng chịu ảnh hưởng do dịch Covid-19; Thông tư 03/2021/TT-NHNN ngày 02/04/2021 Sửa đổi, bổ sung

Thông tư 01/2020/TT-NHNN; Thông tư 14/2021/TT-NHNN ngày 07/09/2021 Sửa đổi, bổ sung Thông tư 01/2020/TT-NHNN, khiến những khoản nợ dưới chuẩn được cơ cấu để khách hàng được vay tiếp tăng lên Theo Ông Nguyễn Quốc Hùng – Tổng Thư ký Hiệp hội Ngân hàng Việt Nam: "Hàng triệu tỷ đồng bị ảnh hưởng bởi dịch bệnh, song nợ cơ cấu chỉ rơi vào khoảng 300.000 tỷ đồng Thực tế, nguy cơ nợ xấu của các ngân hàng cao hơn nhiều so với số liệu trên sổ sách kế toán Dừng thực hiện Thông tư 14 sẽ giúp các ngân hàng đối mặt rõ hơn với nợ xấu" Các thông tư của NHNN về việc cơ cấu nợ, kéo dài thời gian trả nợ cho các khách hàng thực chất không làm thay đổi bản chất của khoản vay nợ ấy, mà nó chỉ đẩy lùi, trì hoãn thời gian trả nợ Khi các thông tư hết hiệu lực, hoặc thời hạn trả nợ sau cơ cấu đến, bức tranh nợ xấu sẽ được phơi bày một cách rõ ràng hơn bao giờ hết

Để giảm thiểu rủi ro nợ xấu, việc xác định các yếu tố tác động đến tỷ lệ này là rất cần thiết Do đó, nghiên cứu có chủ đề: "Các yếu tố ảnh hưởng đến tỷ lệ nợ xấu ở các ngân hàng thương mại cổ phần Việt Nam" đã được thực hiện để tìm ra các biện pháp khả thi giúp các ngân hàng giảm thiểu rủi ro nợ xấu.

Nghiên cứu sẽ giúp xác định các yếu tố ảnh hưởng đến tỷ lệ nợ xấu tại các NHTMCP Việt Nam, từ đó đưa ra những kiến nghị hữu ích nhằm giảm thiểu vấn đề nghiêm trọng này.

MỤC TIÊU NGHIÊN CỨU

Xác định các yếu tố và đo lường mức độ ảnh hưởng của các yếu tố đến tỷ lệ nợ xấu tại các ngân hàng TMCP Việt Nam Từ đó, đưa ra các hàm ý quản trị nhằm giảm thiểu tỷ lệ nợ xấu của các NHTMCP Việt Nam trong thời gian tới

Từ mục tiêu nghiên cứu chung, các mục tiêu cụ thể được trình bày như sau:

Thứ nhất, xác định các yếu tố ảnh hưởng đến tỷ lệ nợ xấu của ngân hàng

Thứ hai, mức độ ảnh hưởng của các yếu tố đến tỷ lệ nợ xấu của các ngân hàng thương mại Việt Nam

Thứ ba, đề xuất hàm ý chính sách giảm tỷ lệ nợ xấu của các ngân hàng

CÂU HỎI NGHIÊN CỨU

Để đạt được mục tiêu nghiên cứu, luận văn cần trả lời được các câu hỏi như sau:

Câu hỏi 01: Những yếu tố nào ảnh hưởng đến nợ xấu của các ngân hàng

Câu hỏi 02: Mức độ ảnh hưởng của các yếu tố kinh tế vĩ mô và đặc thù ngân hàng đến tỷ lệ nợ xấu của các ngân hàng TMCP Việt Nam như thế nào?

Câu hỏi 03: Các hàm ý quản trị nhằm hạn chế, giảm tỷ lệ nợ xấu của các ngân hàng thương mại được đề xuất là gì và thực hiện ra sao?

ĐỐI TƯỢNG VÀ PHẠM VI NGHIÊN CỨU

Luận văn nghiên cứu các yếu tố ảnh hưởng đến tỷ lệ nợ xấu của các NHTMCP Việt Nam

Mẫu nghiên cứu bao gồm 24 NHTMCP tại Việt Nam giai đoạn 2012 – 2023

Về thời gian: Hầu hết các nghiên cứu ở Việt Nam đều được thực hiện trước năm 2017 nên số liệu trong giai đoạn 2019 – 2023 chưa được cập nhật Ngoài ra, trong bối cảnh hậu quả của đại dịch Covid-19, lạm phát cao, chính sách tiền tệ thắt chặt hay căng thẳng địa chính trị, vấn đề nợ xấu cần được quan tâm hơn nữa để giữ thanh khoản của các ngân hàng thương mại ổn định

Nghiên cứu này đối tượng chính là 24 ngân hàng thương mại cổ phần (NHTMCP) tại Việt Nam trong giai đoạn 2012 - 2023 Các ngân hàng này được lựa chọn vì đáp ứng các tiêu chí cụ thể: có đầy đủ dữ liệu báo cáo tài chính, có số dư nợ và các chỉ số khác tương đối ổn định trong quá khứ Việc sử dụng dữ liệu từ 24 ngân hàng này giúp đảm bảo tính thống nhất, nhất quán và quy mô hợp lý cho mẫu nghiên cứu.

DỮ LIỆU VÀ PHƯƠNG PHÁP NGHIÊN CỨU

Nguồn dữ liệu chính được sử dụng nhiều nhất trong luận văn là nguồn dữ liệu thứ cấp với dạng bảng (Panel data) cụ thể như sau:

•Các dữ liệu được tập hợp từ các BCTC, BCTN từ năm 2012 – 2023, được công bố trên hệ thống Website của 24 NHTMCP Việt Nam

•Các chỉ số vĩ mô trong các báo cáo tình hình kinh tế của Quỹ tiền tệ Quốc tế (IMF), Worldbank và Ourworldindata

Phương pháp nghiên cứu định lượng được xem như phương pháp nghiên cứu chính của khóa luận, theo đó sẽ bao gồm các phân tích chi tiết như sau:

Thống kê mô tả tổng quan các biến trong mô hình, thực hiện phân tích ma trận tương quan

Phân tích hồi quy: Tập trung vào ba mô hình chính là mô hình Pooled OLS, mô hình FEM – Fixed Effect Model và mô hình REM – Random Effect Model

Kế tiếp là kiểm định để lựa chọn mô hình thích hợp nhất Song song với đó, kiểm tra một số vấn đề khiếm khuyết của mô hình như đa cộng tuyến, phương sai sai số thay đổi và tự tương quan Cuối cùng, phương pháp ước lượng FGLS được sử dụng nhằm khắc phục các khuyết tật tồn tại trong mô hình.

ĐÓNG GÓP CỦA ĐỀ TÀI

Nghiên cứu góp phần cung cấp thêm bằng chứng thực nghiệm về việc xác định, đo lường mức độ tác động của các yếu tố có tác động đến tỷ lệ nợ xấu của các NHTMCP Việt Nam Ngoài ra, dựa trên kết quả nghiên cứu, một số hàm ý quản trị được đề xuất sẽ góp phần hạn chế tỷ lệ nợ xấu cho các NHTMCP tại Việt Nam.

KẾT CẤU LUẬN VĂN

Chương 1: Giới thiệu nghiên cứu

Chương 2: Cơ sở lý thuyết và lược khảo các nghiên cứu liên quan

Chương 3: Mô hình và quy trình nghiên cứu

Chương 4: Kết quả nghiên cứu và thảo luận

Chương 5: Kết luận và hàm ý quản trị

Chương 1 đã chỉ ra được một số lý do quan trọng cần thực hiện đề tài Cùng với đó, các mục tiêu chính và câu hỏi cần hoàn thành cũng được đưa ra ở chương này Tỷ lệ nợ xấu của các NHTMCP ở Việt Nam sẽ là đối tượng nghiên cứu, cụ thể là 24 NHTMCP Việt Nam từ 2012- 2023 Những nội dung quan trọng cần chú ý khác của nghiên cứu như phương pháp thực hiện nghiên cứu và ý nghĩa thực tiễn, cuối cùng là trình tự các chương cũng được nêu khái quát ở Chương 1.

CƠ SỞ LÝ THUYẾT VÀ LƯỢC KHẢO CÁC NGHIÊN CỨU LIÊN QUAN

NỢ XẤU CỦA CÁC NGÂN HÀNG THƯƠNG MẠI

2.1.1 Khái niệm về nợ xấu

Trên thế giới, có nhiều cách tiếp cận khác nhau khi nhắc đến định nghĩa về

“Nợ xấu”, tùy thuộc vào cách tiếp cận và góc nhìn của các nhà nghiên cứu Ở môi trường quốc tế, nợ xấu có thể được gọi là “Non-performing loan”, hoặc có thể được diễn đạt là “Bad debt” hay thậm chí là “Doubful debt” (Fofack, 2005) Nhìn chung, khái niệm nợ xấu là không hoàn toàn nhất quán ở các quốc gia khác nhau Sau đây là một số khái niệm thường được nhắc đến về nợ xấu:

Theo Nhóm chuyên gia tư vấn của Liên hợp quốc – Advisory Expert Group (AEG, 2014): “Một khoản vay được coi là nợ xấu khi các khoản thanh toán lãi và/hoặc gốc quá hạn từ 90 ngày trở lên hoặc các khoản thanh toán lãi từ 90 ngày trở lên đã được vốn hóa, tái cấp vốn hoặc bị trì hoãn theo thỏa thuận, hoặc các khoản thanh toán quá hạn dưới 90 ngày, nhưng có những lý do chính đáng khác - chẳng hạn như con nợ nộp đơn xin phá sản - để nghi ngờ rằng các khoản thanh toán sẽ được thực hiện đầy đủ Sau khi một khoản vay được phân loại là nợ xấu, khoản vay đó (và có thể cả (các) khoản vay thay thế) vẫn phải được phân loại như vậy cho đến khi được xóa nợ hoặc nhận được các khoản thanh toán lãi và/hoặc gốc.”

Cùng quan điểm với AEG, theo Hướng dẫn Tổng hợp về Chỉ số An toàn Tài chính của Quỹ Tiền tệ Quốc tế - IMF (2006), được diễn giải như sau: “Một khoản vay được coi là nợ xấu khi (1) quá hạn thanh toán gốc hoặc lãi 03 tháng

(90 ngày) hoặc hơn; hoặc (2) khi các khoản thanh toán lãi đến 90 ngày hoặc hơn đã được tái cơ cấu hay gia hạn nợ (đây là các khoản vay đã được trì hoãn theo thỏa thuận); hoặc các khoản thanh toán dưới 90 ngày nhưng có các nguyên nhân nghi ngờ việc trả nợ sẽ không được thực hiện đầy đủ, chẳng hạn như người đi vay phá sản”

Hướng dẫn của IMF cho rằng: “Nguyên tắc quá hạn 90 ngày là giới hạn bên ngoài và không có ý ngăn cản các phương pháp chặt chẽ hơn Số tiền cho vay (và các tài sản khác) được ghi nhận là nợ xấu phải là tổng giá trị của khoản vay được ghi trên BCĐKT, chứ không chỉ là số tiền quá hạn.” (IMF's Complication Guide on Financial Soundness Indicators, 2006) Nói cách khác, việc xác định nợ xấu bao gồm hai yếu tố: (i) Quá hạn trên 90 ngày và (ii) Sự không chắc chắn về khả năng trả nợ

Căn cứ vào Khoản 8 Điều 3 Thông tư số 11/2021/TT-NHNN ngày 30/07/2021 Quy định về phân loại tài sản có, mức trích, phương pháp trích lập dự phòng rủi ro và việc sử dụng dự phòng để xử lý rủi ro hoạt động của tổ chức tín dụng, chi nhánh NH nước ngoài thì Nợ xấu là nợ xấu nội bảng, bao gồm nợ thuộc các nhóm 3 (nợ dưới tiêu chuẩn), nhóm 4 (nợ nghi ngờ) và nhóm 5 (nợ có khả năng mất vốn) (NHNN, 2021)

Tóm lại, tuy có nhiều góc độ tiếp cận khác nhau về khái niệm nợ xấu, nhưng đa số các quan điểm đều cho rằng, việc xác định nợ xấu dựa vào hai tiêu chí: (i) thời gian trả nợ quá hạn trên 90 ngày và (ii) sự hoài nghi về khả năng thanh toán nợ đến hạn và/hoặc quá hạn của người đi vay

Theo Laurin & Majnoni (2003), hiện chưa có một chuẩn mực kế toán cụ thể trong việc đánh giá và phân loại nợ khi so sánh giữa một số quốc gia với nhau Bholat và cộng sự (2016) cũng đồng tình với quan điểm trên

Phân loại nợ là việc ngân hàng và tổ chức tài chính xác định rủi ro của khoản nợ, giúp quản lý rủi ro và cải thiện hiệu quả quản lý khoản nợ Tuy nhiên, giữa các quốc gia có sự khác biệt trong phân loại nợ, khiến việc thống nhất quốc tế trở nên phức tạp Để giải quyết vấn đề này, Ủy ban Basel đã ban hành hướng dẫn và nguyên tắc, song vẫn chưa đưa ra hệ thống phân loại cụ thể hoặc thủ tục chuẩn hóa cho đánh giá rủi ro tín dụng.

Trên thế giới, các quốc gia khác nhau thì có tiêu chí phân loại nợ khác nhau Nhằm so sánh, tham khảo cách thức, tiêu chí phân loại nợ, Laurin & Majnoni (2003) đã thu thập quy định về phân loại nợ của một số quốc gia tiên tiến, cụ thể như sau:

Bảng 2.1 Quy định về phân loại nợ ở một số quốc gia trên thế giới

STT Quốc gia Số nhóm nợ Chi tiết

1 Pháp 3 Nợ nghi ngờ, nợ dưới chuẩn và nợ quá hạn

2 Đức 4 Nợ không có rủi ro rõ ràng, Nợ có rủi ro tiềm tàng, Nợ xấu, Nợ khó đòi

3 Ý 5 Nợ đủ tiêu chuẩn, Nợ cần chú ý, Nợ dưới chuẩn, Nợ đang được cơ cấu, Nợ cơ cấu

Tối thiểu là có 5 nhóm nợ Tuy nhiên, Chính phủ khuyến khích nên phân loại thận trọng và chi tiết hơn

5 Argentina 5 Gồm 5 nhóm nợ, tương ứng với 5 mức trích lập dự phòng là 1%, 3%, 25%, 75% và 100%

Gồm 9 nhóm nợ, cùng với 9 mức trích lập dự phòng như sau: AA (0%), A (0,5%), B (1%),

Gồm có 7 nhóm nợ theo mức độ rủi ro của quốc gia, ngành và quá trình thanh toán, rủi ro tài chính Chia làm 7 nhóm A-1 (0,5%); A-2 (0,99%), B (1-20%); C-1 (20%-40%), C-2 (40%-60%); D (60-90%); và nhóm E (100%)

Tại Việt Nam, việc phân loại nợ xấu được quy định tại Thông tư 11/2021/TT-NHNN có hiệu lực từ 01/10/2021 Hiện nợ xấu được phân loại cụ thể trên CIC – Tổ chức tín dụng quốc gia Việt Nam Hệ thống CIC đánh giá lịch sử nợ theo 5 nhóm sau:

Bảng 2.2 Quy định về phân loại nợ tại Việt Nam Nhóm nợ Tên gọi Theo phương pháp định tính

Theo phương pháp định lượng

Nhóm 1 Nợ đủ tiêu chuẩn

- Nợ quá hạn dưới 10 ngày Được đánh giá là có khả năng thu hồi đầy đủ nợ gốc và lãi đã quá hạn và thu hồi đầy đủ nợ gốc và lãi còn lại đúng thời hạn

Nợ quá hạn từ 10 ngày đến

Có khả năng thu hồi đầy đủ gốc và lãi Tuy nhiên, khách hàng có dấu hiệu suy giảm khả năng trả nợ

Nhóm 3 Nợ dưới tiêu chuẩn

Không có khả năng thu hồi nợ gốc và lãi khi đến hạn, có khả năng tổn thất

Nợ nghi ngờ bị mất vốn

Có khả năng tổn thất cao

Nợ có khả năng mất vốn

Nợ quá hạn trên 360 ngày

Mất khả năng thu hồi, có khả năng mất vốn

Nguồn: Thông tư số 11/2021/TT-NHNN

KHUNG LÝ THUYẾT LIÊN QUAN

2.2.1 Lý thuyết chu kì kinh tế (Business Cycle Theory)

Theo Paul A Samuelson và William D Nordhalls (1948): “Chu kỳ kinh doanh là một sự dao động của tổng sản lượng quốc dân, của thu nhập và việc làm thường kéo dài trong một giai đoạn được đánh dấu bằng một sự mở rộng hay thu hẹp trên quy mô lớn trong hầu hết các khu vực của nền kinh tế, thường trong một khoảng thời gian từ 02 - 10 năm”

Chu kỳ kinh tế gồm hai giai đoạn chính: suy thoái và mở rộng, được đánh dấu bởi các điểm cự trị (đỉnh và đáy) Giai đoạn suy thoái là khi GDP thực giảm trong ít nhất hai quý liên tiếp, dẫn đến thất nghiệp tăng, lợi nhuận doanh nghiệp giảm và giá chứng khoán sụt Ngược lại, giai đoạn mở rộng thể hiện sự phục hồi của các yếu tố trên Mỗi chu kỳ kinh tế là duy nhất, và các ngân hàng sẽ điều chỉnh chính sách tín dụng dựa trên tình trạng nền kinh tế GDP tăng phản ánh sự cải thiện thu nhập, kéo theo khả năng trả nợ tăng và tỷ lệ nợ xấu giảm Khi kinh tế suy thoái, tỷ lệ nợ xấu sẽ tăng Lý thuyết này giải thích mối quan hệ giữa các yếu tố vĩ mô như lạm phát, tăng trưởng kinh tế và nợ xấu.

Theo giả thuyết “Quá lớn để phá sản” (too big to fail) của Boyd và Gertler (1994) cho rằng yếu tố quy mô ngân hàng và nợ xấu có mối quan hệ tương quan với nhau Giả thuyết này cho rằng những ngân hàng lớn chấp nhận mạo hiểm và rủi ro quá mức bằng cách tăng sử dụng vốn cho vay của mình với chất lượng khách hàng thấp dẫn đến nợ xấu leo thang, Stern và Feldman (2004) lập luận rằng: “Mối quan hệ này là do kỷ luật của thị trường sẽ không áp đặt đối với các NHTMCP lớn, và chính phủ thường có chính sách bảo vệ các ngân hàng lớn nếu có nguy cơ phá sản” Theo đó, quy mô NHTMCP càng lớn thì rủi ro tín dụng càng cao, và nếu quy mô ngân hàng đạt ngưỡng giới hạn nhất định thì rủi ro tín dụng cao nhất

Ngược lại với giả thuyết “Quá lớn để phá sản”, giả thuyết “hiệu ứng quy mô” (size effect), Salas và Saurina (2002) cho rằng các ngân hàng có quy mô lớn cho phép cơ hội đa dạng hóa nhiều hơn Cụ thể, ngân hàng có tầm cỡ, quy mô lớn sẽ có nhiều tài nguyên và kinh nghiệm hơn trong công tác xử lý và phân tích đánh giá chất lượng tín dụng của người đi vay Từ đó, tạo điều kiện cho ban lãnh đạo các ngân hàng tham gia vào các thị trường đầu tư để cải thiện quy trình tín dụng, làm gia tăng lợi nhuận giảm thiểu nợ xấu Tóm lại, giả thuyết này cho rằng mặc dù quy mô lớn có thể không đảm bảo hoàn toàn việc các ngân hàng có thể tránh khỏi nợ xấu, nhưng cho phép họ có cơ hội và nguồn lực để đa dạng hoá danh mục cho vay, từ đó có thể giúp giảm thiểu rủi ro và mức độ nợ xấu của ngân hàng

2.2.3 Lý thuyết về thông tin bất cân xứng (Asymmetric Information)

Lý thuyết về thông tin bất cân xứng được nhắc đến lần đầu bởi George Akerlof vào năm 1970 trong luận án tiến sĩ của mình với lý thuyết thị trường quả chanh (lemon market) Akerlof (1970) cho rằng: “Việc xem xét đến thị trường mua bán, trao đổi hàng hóa khi mà thông tin về sản phẩm của người bán và người mua là khác nhau” Thuật ngữ “quả chanh” được dùng để chỉ các hàng hóa cũ kém chất lượng Trong thị trường quả chanh, thông tin không cân xứng là khi một bên có thông tin chi tiết hơn về sản phẩm hoặc dịch vụ so với bên kia Kết quả của lý thuyết này là trong một thị trường quả chanh, thông tin bất cân xứng có thể dẫn đến sự suy giảm của sự tin cậy và sự phá vỡ của thị trường, vì người mua có thể sẽ từ chối mua sản phẩm hoặc sẵn lòng trả giá thấp hơn do không có đủ tin cậy về chất lượng thực sự của nó Lý thuyết này đã có ảnh hưởng lớn đối với lĩnh vực kinh tế và tài chính, và nó đã trở thành một trong những khái niệm cơ bản trong nghiên cứu về thị trường không hoàn hảo Bất cân xứng thông tin sẽ dẫn đến hai hệ quả phổ biến nhất, đó là rủi ro ngược hay còn gọi là sự lựa chọn đối nghịch (adverse selection) và rủi ro đạo đức (moral hazard)

Trong hoạt động cấp tín dụng, tình trạng thông tin bất cân xứng dễ dàng xuất hiện khi nhân viên thẩm định khó có thể quan sát được nguy cơ gian lận và không trung thực khiến các ngân hàng dễ rơi vào tình trạng cho vay các khách hàng xấu và mất đi các khách hàng tốt vì ngân hàng luôn là người có ít thông tin về dự án, về mục đích sử dụng vốn vay hơn khách hàng

2.2.4 Lý thuyết về tăng trưởng tín dụng

Nhiều nghiên cứu thực nghiệm đã chứng minh rằng tăng trưởng tín dụng quá nhanh là yếu tố chính làm tăng nợ xấu của ngân hàng (Keeton, 1999; Salas & Saurina, 2002) Theo Keeton (1999), tăng trưởng tín dụng quá nhanh làm suy giảm chất lượng tín dụng, dẫn đến gia tăng nợ xấu cho ngân hàng.

Mối quan hệ giữa tăng trưởng tín dụng và nợ xấu có thể được lý giải thông qua sự dịch chuyển của đường cung vốn vay (S) Đường cung này phản ánh khả năng cung cấp vốn của các tổ chức cho vay, phụ thuộc vào các yếu tố như chi phí huy động vốn, rủi ro tín dụng và kỳ vọng lợi nhuận Khi đường cung vốn vay dịch chuyển sang phải, tức là nguồn vốn sẵn sàng cho vay tăng lên, dẫn đến lãi suất giảm và điều kiện vay dễ dàng hơn Điều này khuyến khích doanh nghiệp và cá nhân vay thêm, thúc đẩy tăng trưởng tín dụng nhưng cũng làm tăng nguy cơ nợ xấu khi các khoản vay được phân bổ kém hiệu quả.

Hình 2.1 Sự dịch chuyển đường cung

Hình 2.1 cho thấy đường tỷ suất sinh lời kỳ vọng từ cho vay (r e (z)) phản ánh mức tỷ suất sinh lời kỳ vọng (r e ) tương ứng với xếp hạng tín dụng của khách hàng Nói một cách cụ thể, tỷ suất sinh lời kỳ vọng càng thấp thì mức độ tín nhiệm của khách hàng (level of credit – willingness) càng thấp Điều này có thể được giải thích như sau: việc các NHTMCP sẵn sàng gia tăng cấp tín dụng nhiều hơn bằng cách nới lỏng các yêu cầu về tiêu chuẩn tín dụng, chẳng hạn như: giảm lãi suất, giảm lượng tài sản bảo đảm, chấp nhận các khách hàng có lịch sử tín dụng không tốt hoặc yêu cầu cung cấp ít tài liệu về dòng tiền chứng minh cho khả năng trả nợ hơn Điều này làm đường cung dịch chuyển Qua đó các NHTMCP sẵn sàng kỳ vọng suất sinh lời thấp hơn từ việc nới lỏng tiêu chuẩn cho vay lúc này, miễn là các NHTMCP có thể cho vay được càng nhiều càng tốt Như vậy, ta có thể thấy rằng: khi NHTMCP ra sức tăng trưởng tín dụng bằng việc hạ thấp các điều kiện cho vay thì chất lượng các khoản vay cũng sẽ suy giảm

Ngoài ra, Keeton (1999) cũng có đề cập: “Sự tăng trưởng tín dụng tác động đến nợ xấu bởi hai nguyên nhân khác, đó là sự dịch chuyển của đường cầu và sự thay đổi trong năng suất lao động”

Hình 2.2 Sự dịch chuyển đường cầu

Về sự dịch chuyển của đường cầu: việc tăng nhu cầu tín dụng không liên quan đến uy tín của người đi vay sẽ thúc đẩy tăng trưởng cho vay và tiêu chuẩn tín dụng của ngân hàng, từ đó giảm khả năng xảy ra các rủi to trong tương lai

Từ hình 1.2, Keeton (1999) đưa ra một ví dụ về nhu cầu vay vốn xuất phát từ dự định thay đổi cấu trúc vốn của doanh nghiệp để đạt hiệu quả tốt nhất Các NHTMCP sẽ xem xét các điều kiện vay vốn, thắt chặt điều kiện về hồ sơ tín dụng Điều này có thể không làm cản trở người đi vay và các NHTMCP sẽ giảm thiểu được rủi ro trong quá trình cấp tín dụng Từ đó, chất lượng tín dụng sẽ được cải thiện trong tương lai Có thể khái quát hóa luồng diễn giải này như sau: Tăng trưởng tín dụng tăng dẫn đến tiêu chuẩn cấp tín dụng tăng từ đó nợ xấu giảm Về sự thay đổi năng suất lao động dẫn đến sự dịch chuyển đường cầu Việc gia tăng năng suất lao động có thể là tín hiệu tích cực của chủ thể cần vay vốn Đối với trường hợp có sự dịch chuyển trong năng suất lao động theo chiều hướng tăng, với giải định rằng nhu cầu vay vốn xuất phát từ các điều kiện thuận lợi từ năng suất lao động tăng, các NHTMCP có thể đưa ra các tiêu chuẩn tín dụng một cách linh hoạt đối với chủ thể đi vay (đường r e (z) có thể dịch chuyển sang trái hoặc phải) Khi r e (z) dịch chuyển sang trái thì xếp hạng tín nhiệm của người đi vay thấp, khi đó các NHTMCP sẽ đòi hỏi một suất sinh lời kỳ vọng cao hơn, và kịch bản ngược lại xảy ra đối với trường hợp đường r e (z) dịch chuyển sang phải Do đó, NHTMCP có thể tăng trưởng tín dụng trong giai đoạn này Với những ảnh hưởng tích cực từ năng suất lao động dẫn đến khả năng tài chính của chủ thể đi vay, chất lượng tín dụng trong tương lai có thể sẽ được cải thiện Quá trình này có thể được khái quát hóa như sau: Tăng trưởng tín dụng tăng dẫn đến tiêu chuẩn tín dụng có thể giảm hoặc tăng dẫn đến nợ xấu giảm Từ hai nguyên nhân nêu trên, có thể thấy rằng tăng trưởng tín dụng có thể có tương quan âm đến nợ xấu

Như vậy, tăng trưởng tín dụng đến nợ xấu được phản ánh là cùng chiều và ngược chiều Tùy thuộc vào nhu cầu, động cơ vay vốn và khả năng trả nợ của doanh nghiệp

2.2.5 Sự hiệu quả và chất lượng quản trị trong ngân hàng

Theo Berger và DeYoung (1997): “Việc sử dụng chi phí một cách không thực sự hiệu quả cũng là một nguyên nhân dẫn đến nợ xấu”, điều này cũng phù hợp với giả thuyết cho rằng: những lãnh đạo yếu kém trong việc quản lý chi phí cũng là những người lãnh đạo có một danh mục cho vay yếu kém (bad management)

Theo thuyết “quản lý yếu kém”, chi phí bị sử dụng không hiệu quả là dấu hiệu của chất lượng quản lý kém, cho thấy ngân hàng chưa theo dõi và kiểm soát chi phí hoạt động hiệu quả, cũng như chưa thực sự đánh giá danh mục nợ một cách đầy đủ Giả thuyết này lập luận rằng sự yếu kém của các nhà quản lý chủ yếu bắt nguồn từ ba nguyên nhân: (i) có kỹ năng kém trong công tác xếp hạng tín dụng, dẫn đến quyết định cho vay các khoản vay không sinh lời hoặc thậm chí là mất vốn; (ii) thiếu hoặc không đủ năng lực để định giá tài sản đảm bảo; (iii) có khó khăn vướng mắc khi giám sát việc tuân thủ các cam kết trong hợp đồng của khách hàng sau khi cấp tín dụng

LƯỢC KHẢO CÁC CÔNG TRÌNH NGHIÊN CỨU LIÊN QUAN

2.3.1 Các nghiên cứu ở nước ngoài

Ahmad và Bashir (2013) đo lường sự ảnh hưởng của 9 yếu tố vĩ mô đến tỷ lệ nợ xấu của các ngân hàng thương mại tại Pakistan giai đoạn 1990 - 2011 Mối quan hệ giữa các biến độc lập lần lượt là: tốc độ tăng trưởng GDP, tỷ lệ thất nghiệp, lãi suất tiền gửi, tỷ giá hối đoái, CPI, tỷ lệ xuất khẩu, sản xuất công nghiệp, đầu tư trực tiếp nước ngoài và tỷ lệ nợ xấu - biến phụ thuộc, được phân tích bằng mô hình hồi quy gộp OLS Kết quả chỉ ra chỉ số giá tiêu dùng có mối quan hệ tích cực với nợ xấu, trong khi tốc độ tăng trưởng GDP, lãi suất tiền gửi, tỷ lệ xuất khẩu, sản xuất công nghiệp ảnh hưởng ngược chiều Hạn chế là những kết quả của tác giả có sự bất tương đồng lớn so với phần lược khảo các nghiên cứu liên quan đã thực hiện trước đó

Ahmad (2013) đã xác định sự ảnh hưởng của cơ cấu sở hữu và mức độ sở hữu tập trung đến tỷ lệ nợ xấu của 30 ngân hàng tại Pakistan giai đoạn 2006 -

2009 Trong bài nghiên cứu, cơ cấu sở hữu, sự bảo hộ của nhà đầu tư, hoạt động kiểm soát, hoạt động hạn chế, mức độ sở hữu tập trung, tình trạng niêm yết là biến độc lập, trong khi tỷ lệ nợ xấu là biến phụ thuộc Kết quả chỉ ra rằng, tác giả ủng hộ quan điểm cho thấy hiệu quả hoạt động của các ngân hàng thuộc sở hữu công thấp hơn ngân hàng thuộc sở hữu tư nhân hoặc nước ngoài, trong khi tỷ lệ nợ xấu lại cao hơn Ngoài ra, bài viết chứng minh rằng mức độ sở hữu tập trung cao không nâng cao hiệu quả hoạt động và làm bớt rủi ro về nợ xấu

Wood và Skinner (2018) đo lường mức độ ảnh hưởng của 8 yếu tố đến tỷ lệ nợ xấu của 5 ngân hàng lớn nhất của Barbados có xếp hạng tín dụng cao là A hoặc AAA giai đoạn 1991 đến 2015 Tốc độ tăng trưởng GDP, tỷ lệ lạm phát, tỷ lệ thất nghiệp, lãi suất tiền gửi, ROE, ROA, CAR, tỷ lệ dư nợ tín dụng trên vốn huy động và tỷ lệ nợ xấu được đo lường bằng mô hình hồi quy tuyến tính bội Kết quả chỉ ra tỷ lệ thất nghiệp, tỷ lệ dư nợ tín dụng trên vốn huy động, CAR có mối quan hệ cùng chiều với nợ xấu, trong khi tốc độ tăng trưởng GDP, ROE, ROA, lãi suất thực có ảnh hưởng ngược chiều Điểm hạn chế của là mẫu nghiên cứu nhỏ, nhóm tác giả chỉ chọn lọc ra những ngân hàng có độ xếp hạng tín dụng cao, dẫn đến việc đến kết quả nghiên cứu chưa mang tính tổng quát

“Afriyanto và cộng sự (2021) đã đo lường sự ảnh hưởng của hệ số an toàn vốn và tỷ lệ dư nợ tín dụng trên vốn huy động đối với tỷ lệ nợ xấu của 25 ngân hàng thương mại tại Indonesia giai đoạn 2016 - 2020 Dữ liệu trong bài nghiên cứu là dữ liệu thứ cấp và được phân tích bằng mô hình hiệu ứng chung ” (CEM), FEM, REM, đồng thời kiểm tra khuyết tật bằng kiểm định Chow, Hausman, Lagrange Multiplier Kết quả cuối cùng cho thấy FEM là mô hình thích hợp nhất và CAR có mối quan hệ tương quan dương với tỷ lệ nợ xấu Hạn chế của nghiên cứu là mô hình nghiên cứu có ít biến độc lập

“Mohanty và cộng sự (2018) đã xác định sự tác động của các yếu tố vi mô và vĩ mô đến tỷ lệ nợ xấu của 95 ngân hàng tại Ấn Độ năm 2000 – 2016 Bài nghiên cứu sử dụng mô hình Moment tổng quát (GMM) để đo lường sự ảnh hưởng của các yếu tố được chọn lọc đến tỷ lệ nợ xấu ” Kết quả cho thấy tốc độ tăng trưởng GDP, tỷ suất lợi nhuận ròng, tăng trưởng doanh thu thuần, tỷ lệ vốn hóa thị trường, chỉ số thị trường chứng khoán, số lượng chi nhánh ngân hàng có tác động ngược chiều đến tỷ lệ nợ xấu, ROE, trong khi chính sách tài khóa mở rộng, hiệu quả quản lý chi phí, tỷ lệ tín dụng trên tiền gửi có tác động cùng chiều

Nghiên cứu của Lawrence Kryzanowski và cộng sự (2023) đã điều tra tác động của đại dịch COVID-19 đối với nợ xấu ở Trung Quốc Họ sử dụng mô hình sai số chuẩn mạnh để kiểm tra mối quan hệ giữa các biến Các biến liên quan đến COVID-19 được thu thập từ năm 2020 đến năm 2022.

2022, trong khi các biến còn lại trong mô hình được lấy từ năm 2017 đến năm

Kết quả nghiên cứu cho thấy số ca nhiễm COVID-19, số ca nhiễm COVID-19 tích lũy, số ca tử vong do COVID-19, tỷ lệ cho vay trên tiền gửi và tỷ lệ thất nghiệp có tác động tích cực đến tỷ lệ nợ xấu của ngân hàng, trong khi tỷ lệ sinh lời trên tổng tài sản (ROA) lại có tác động ngược chiều Ngoài ra, nghiên cứu cũng chỉ ra rằng các ngân hàng có vốn chủ sở hữu của Nhà nước có tỷ lệ nợ xấu thấp hơn so với các ngân hàng có vốn đầu tư nước ngoài và ngân hàng không có vốn sở hữu Nhà nước.

Amila Žunić và cộng sự (2021) kiểm định sự ảnh hưởng của các yếu tố và đại dịch Covid-19 đến tỷ lệ nợ xấu ngân hàng tại Bosnia và Herzegovina giai đoạn năm 2003 đến năm 2020 Bài nghiên cứu sử dụng phân tích hồi quy đa tuyến tính để kiểm định mối quan hệ giữa các biến trong mô hình Trong đó biến đại dịch Covid-19 đóng vai trò là biến giả, có hai giá trị 0: giai đoạn chưa xảy ra Covid-19 và giá trị 1: giai đoạn Covid-19 Kết quả chi ra khoản dự phòng rủi ro tín dụng có ảnh hưởng cùng chiều với tỷ lệ nợ xấu, tốc độ tăng trưởng GDP, đại dịch Covid-19 có ảnh hưởng ngược chiều Nhóm tác giả còn kết luận rằng mối quan hệ ngược chiều giữa tỷ lệ nợ xấu và đại dịch Covid-19 bắt nguồn chủ yếu từ nguyên nhân chính phủ tại Bosnia và Herzegovina đã đưa ra nhiều biện pháp tích cực như cho phép ngân hàng thương mại giãn, hoãn, cơ cấu lại nợ Điều này phần nào giúp cho các khoản vay tạm thời thoát khỏi mác “nợ xấu”

2.3.2 Các nghiên cứu ở Việt Nam Đặng Thị Ngọc Lan (2019) xác định sự ảnh hưởng của các yếu tố như tốc độ tăng trưởng GDP, tỷ lệ lạm phát, lãi suất, chỉ số phát triển công nghiệp, tỷ lệ thất nghiệp, lượng cung tiền, chỉ số giá tiêu dùng đến tỷ lệ nợ xấu của các ngân hàng thương mại tại 13 nước khu vực Châu Á Thái Bình Dương giai đoạn 2008 –

2017 Bài nghiên cứu đã ứng dụng các kiểm định: Pooled OLS, FEM, REM để đánh giá mức độ ảnh hưởng của biến giải thích lên biến độc lập Kết quả cuối cùng cho thấy FEM là mô hình phù hợp nhất, trong đó chỉ số sản xuất công nghiệp, chỉ số giá tiêu dùng có mối tương quan cùng chiều với nợ xấu, trong khi tốc độ tăng trưởng GDP, tỷ lệ thất nghiệp có ảnh hưởng ngược chiều Tuy nhiên, tác giả không đề cập đến số lượng ngân hàng được nghiên cứu và mô hình FEM được lựa chọn chưa trải qua việc kiểm định các khuyết tật, điều này có thể dẫn đến việc kết quả nghiên cứu bị phóng đại

Nguyễn Tuấn Kiệt và Đinh Hồng Phú (2016) đã đo lường sự tác động của các biến độc lập lần lượt là tốc độ tăng trưởng GDP, nợ công chính phủ, nợ xấu kì trước, tăng trưởng tín dụng, quy mô hoạt động, hiệu quả kinh doanh và hiệu quả quản lý, qui mô tín dụng đến tỷ lệ nợ xấu của 32 ngân hàng từ năm 2007 đến

2013 Bằng cách tiếp cận FEM, REM và GMM, nhóm tác giả đã đưa ra kết luận rằng: quy mô hoạt động, nợ công có mối tương quan dương, trong khi nợ xấu kỳ trước, tăng trưởng tín dụng, hiệu quả kinh doanh, hiệu quả quản lý có ảnh hưởng ngược chiều Điểm hạn chế là số liệu cũ và trong giai đoạn nghiên cứu này, Việt Nam đang trải qua cuộc suy thoái kinh tế sâu rộng, có ảnh hưởng không nhỏ đến tỷ lệ nợ xấu của hệ thống ngân hàng lúc bấy giờ

Trần Trọng Phong và cộng sự (2015) đã đánh giá sự tác động của 10 yếu tố vi mô và vĩ mô của đến tỷ lệ nợ xấu của 15 ngân hàng TMCP giai đoạn 2007 –

2014 Trong bài nghiên cứu, tốc độ tăng trưởng GDP, tỷ lệ thất nghiệp, tỷ lệ lạm phát (được đo lường bằng CPI), tỷ lệ tăng trưởng tín dụng, độ trễ của ROE, tỷ lệ của chi phí hoạt động trên tổng thu nhập, quy mô ngân hàng, tăng trưởng tín dụng, đòn bẩy tài chính, tỷ lệ cho vay trên tổng tài sản đóng vai trò là biến độc lập, biến phụ thuộc là tỷ lệ nợ xấu Kết quả nghiên cứu cho thấy tỷ lệ nợ xấu kỳ trước, quy mô ngân hàng, tỷ lệ tăng trưởng tín dụng, tỷ lệ của chi phí hoạt động trên tổng thu thập, tỷ lệ cho vay trên tổng tài sản, độ trễ của ROE có mối tương quan dương với nợ xấu, trong khi tỷ lệ lạm phát, đòn bẩy tài chính có tác động ngược chiều Điểm hạn chế là một số kết quả nghiên cứu có sự bất đồng so với phần lược khảo các nghiên cứu thực nghiệm tác giả đã trình bày trước đó

MÔ HÌNH VÀ PHƯƠNG PHÁP NGHIÊN CỨU

MÔ HÌNH NGHIÊN CỨU

3.1.1 Khái quát mô hình nghiên cứu

Các yếu tố tác động đến nợ xấu của ngân hàng thương mại cổ phần (Ngân hàng TMCP) được chia thành hai nhóm: yếu tố vĩ mô và vi mô Các yếu tố vĩ mô bao gồm tốc độ tăng trưởng GDP, tỷ lệ lạm phát, tỷ lệ thất nghiệp và tỷ giá hối đoái Các yếu tố vi mô bao gồm tỷ lệ nợ xấu kỳ trước, tỷ suất sinh lời trên vốn chủ sở hữu (ROE), tỷ suất sinh lời trên tổng tài sản (ROA), đòn bẩy tài chính và hiệu quả kinh doanh.

Các yếu tố vĩ mô và đặc thù ngành được chứng minh có tác động đến tỷ lệ nợ xấu của ngân hàng thương mại Tác giả đã tổng hợp các nghiên cứu của Trần Trọng Phong et al (2015), Phạm Nguyễn Phương Thảo và Nguyễn Linh Đan (2018), Anthony Wood và Nakita Skinner (2018), Lawrence Kryzanowski et al (2023) để xác định các yếu tố có ảnh hưởng đáng kể, bao gồm các biến vĩ mô (tăng trưởng GDP, lạm phát, lãi suất) và các biến đặc thù ngành ( tỷ lệ cho vay rủi ro cao, tỷ lệ dự phòng nợ xấu, tỷ lệ vốn chủ sở hữu trên tổng tài sản).

Bảng 3.1 4 Tổng hợp các biến trong mô hình nghiên cứu

STT Ký hiệu Tên yếu tố Nghiên cứu liên quan

1 GDPGR Tốc độ tăng trưởng GDP Trần Trọng Phong và

STT Ký hiệu Tên yếu tố Nghiên cứu liên quan

2 CPI Chỉ số giá tiêu dùng cộng sự (2015), Nguyễn

Tuấn Kiệt và Đinh Hùng Phú (2016), Phạm Nguyễn Phương Thảo và Nguyễn Linh Đan (2018), Anthony Wood và Nakita Skinner (2018), Nguyễn Thị Hồng Vinh và Nguyễn Minh Sáng (2019), Lawrence Kryzanowski và cộng sự (2023)

3 Covid-19 Giai đoạn dịch bệnh Covid-19

4 SIZE Quy mô tổng tài sản

5 ROE Tỷ suất sinh lời trên vốn chủ sở hữu

6 LGR Tốc độ tăng trưởng tín dụng

7 ME Hiệu quả quản lý chi phí

8 CAR Tỷ lệ an toàn vốn

9 STA Tỷ lệ sở hữu vốn của Nhà nước

Nguồn: Tác giả tổng hợp

Dựa trên mô hình nghiên cứu của các tác giả Trần Trọng Phong và cộng sự (2015), Phạm Nguyễn Phương Thảo và Nguyễn Linh Đan (2018), Anthony Wood và Nakita Skinner (2018), Lawrence Kryzanowski và cộng sự (2023), tác giả đề xuất mô hình nghiên cứu gồm 01 biến phụ thuộc và 09 biến độc lập nhằm kiểm tra mối quan hệ giữa các yếu tố vĩ mô và vi mô ảnh hưởng đến tỷ lệ nợ xấu của các ngân hàng TMCP tại Việt Nam trong vòng 12 năm qua Mô hình nghiên cứu được trình bày trong hình 3.1 như sau:

Hình 3.1 3 Mô hình nghiên cứu

Mô hình nghiên cứu của các giả có dạng như sau:

NPL it = β 0 + β 1 SIZE i,t + β 2 ROE i,t + β 3 LGR i,t + β 4 ME i,t + β 5 CAR i,t + β 6 STA i,t + β 7 GDPGR t + β 8 CPI t + β 9 COVID t + ε it

NPLit: Tỷ lệ nợ xấu của ngân hàng (i) tại thời năm (t)

SIZEi,t: Logarit tự nhiên của tổng tài sản của ngân hàng (i) tại năm (t)

ROEi,t: Tỷ suất sinh lời trên vốn chủ sở hữu của ngân hàng (i) tại năm (t) LGRi,t: Tốc độ tăng trưởng tín dụng của ngân hàng (i) tại năm (t).

MEi,t: Các khoản mục chi phí hoạt động và tổng thu nhập năm (t) được thu thập trong Báo cáo kết quả hoạt động của ngân hàng (i).

CARi,t: Hệ số an toàn vốn của ngân hàng (i) tại năm (t)

STAit: Sở hữu vốn nhà nước của ngân hàng (i) tại năm (t)

GDPGRt: Tỷ lệ tăng trưởng tổng sản phẩm quốc nội vào năm (t).

CPIt: Chỉ số giá tiêu dùng vào năm (t).

COVIDt: Giai đoạn dịch bệnh Covid-19 vào năm (t)

Các biến sử dụng trong mô hình nghiên cứu được mô tả và đo lường như sau:

Theo Khoản 8 Điều 3 Thông tư 11/2021/TT-NHNN, nợ xấu là nhóm nợ nội bảng, gồm các nhóm 3, 4, 5 quy định tại Điều 10 Thông tư 11/2021/TT-NHNN

Tỷ lệ nợ xấu được đo lường theo công thức:

NPLit: là tỷ lệ nợ xấu của ngân hàng i vào thời điểm t

Dữ liệu về nợ xấu nhóm 3, nhóm 4, nhóm 5 được trích xuất từ thuyết minh báo cáo tài chính (BCTC) của từng năm, còn tổng dư nợ xấu được tổng hợp từ bảng cân đối kế toán hàng năm của các ngân hàng thương mại.

Dựa trên cơ sở các nghiên cứu thực nghiệm đã thực hiện trước đây ở trong và ngoài nước như Trần Trọng Phong và cộng sự (2015), Anthony Wood và Nakita Skinner (2018), Lawrence Kryzanowski và cộng sự (2023), khung khái niệm và lý thuyết nền, tác giả đưa ra danh sách các biến độc lập ảnh hưởng đến tỷ lệ nợ xấu của NHTMCP được diễn giải như sau:

Quy mô ngân hàng (SIZE)

Quy mô ngân hàng được đo lường bằng hàm số logarit tự nhiên tổng tài sản của ngân hàng i tại thời điểm t Kết quả nghiên cứu của Trần Trọng Phong và cộng sự (2015) đã chỉ ra rằng ngân hàng có quy mô càng lớn thì tỷ lệ nợ xấu càng cao và ngược lại

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

Thể hiện khả năng sinh lời của ngân hàng i trong năm t Cho thấy năng lực quản lý vốn của ngân hàng, tức là mức lợi nhuận mà mỗi đồng vốn đầu tư của ngân hàng có thể đạt được Khi tỷ suất này càng thấp sẽ phản ánh ngân hàng có chính sách quản lý kém từ đó nguy cơ nợ xấu tăng cao (Vasiliki Makr, Athanasios Tsagkanos, Athanasios Bellas (2014))

Tăng trưởng tín dụng (LGR)

Theo Keeton (1999), tốc độ tăng trưởng tín dụng càng nhanh sẽ dẫn đến tỷ lệ tổn thất càng cao Khi các ngân hàng tăng nguồn cung cho vay, họ sẽ có xu hướng giảm lãi suất cho vay và hạ thấp tiêu chuẩn tín dụng tối thiểu Việc giảm tiêu chuẩn tín dụng như vậy sẽ làm tăng khả năng vỡ nợ của người đi vay Tốc độ tăng trưởng tín dụng được sử dụng để đánh giá tốc độ tăng trưởng dư nợ cho vay của ngân hàng Tăng trưởng tín dụng là mục tiêu chính của hầu hết các ngân hàng Tuy nhiên, nếu tăng trưởng tín dụng diễn ra quá nhanh và thiếu kiểm soát, có thể ảnh hưởng xấu đến khả năng quản lý rủi ro và dẫn đến làm tăng tỷ lệ nợ xấu

Hiệu quả quản lý chi phí (ME)

Chất lượng quản lý kém gây ảnh hưởng tiêu cực đến nhiều khâu trong hoạt động ngân hàng, từ chấm điểm tín dụng đến thẩm định tài sản thế chấp, cầm cố, theo dõi khoản vay và thu hồi nợ Các nghiên cứu của Mohanty và cộng sự (2018), Trần Trọng Phong và cộng sự (2015) đã chỉ ra mối tương quan dương giữa hiệu quả quản lý kém và tỷ lệ nợ xấu Trong nghiên cứu này, tỷ lệ chi phí hoạt động trên doanh thu hoạt động được sử dụng để đánh giá mức độ kém quản lý trong các ngân hàng.

Tỷ lệ an toàn vốn (CAR)

Tỷ lệ an toàn vốn và thanh khoản là những chỉ số quan trọng đánh giá mức độ an toàn của ngân hàng Tỷ lệ an toàn vốn phản ánh năng lực chịu đựng rủi ro của ngân hàng khi hạn chế sử dụng vốn vay, giảm áp lực trả nợ và lãi suất cho người gửi tiền Tỷ lệ thanh khoản thể hiện khả năng đáp ứng nghĩa vụ tài chính của ngân hàng khi sử dụng nguồn vốn huy động để cấp tín dụng, giúp duy trì trạng thái ổn định và hiệu quả trong hoạt động.

RWA: Tổng tài sản tính theo rủi ro tín dụng;

K(OR): Vốn yêu cầu cho rủi ro hoạt động;

K(MR): Vốn yêu cầu cho rủi ro thị trường

Tỷ lệ sở hữu vốn của nhà nước (STA)

Trong nghiên cứu này, biến STA là biến giả có hai giá trị: 0 và 1 Trong đó, 0 biểu thị ngân hàng có tỷ lệ sở hữu nhà nước dưới 50% và 1 biểu thị ngân hàng có tỷ lệ sở hữu nhà nước bằng hoặc trên 50%.

Tốc độ tăng trưởng GDP (GDPGR)

Theo Salas và Suarina (2002) và Nguyễn Thị Hồng Vinh (2015)“thì tổng sản phẩm quốc nội (GDP) là giá trị thị trường tất cả hàng hóa và dịch vụ cuối cùng sản xuất ra trong phạm vi một lãnh thổ nhất định (thường là một quốc gia) trong một thời kì nhất định (thường là một năm) Đây là chỉ tiêu tổng hợp, phản ánh toàn bộ kết quả cuối cùng của các hoạt động sản xuất Nó phản ánh mối quan hệ tương hỗ trong quá trình sản xuất, phân phối và sử dụng của sản phẩm cuối cùng của sản phẩm hàng hóa và dịch vụ trong toàn nền kinh tế Trong thời kỳ kinh tế tăng trưởng, GDP tăng dẫn đến thu nhập cao hơn và đồng thời làm tăng khả năng thanh toán nợ của người vay Do đó, nợ xấu có xu hướng giảm Mặt khác, trong thời kỳ kinh tế suy thoái thì nợ xấu có xu hướng giá tăng vì tỷ lệ thất nghiệp gia tăng và người đi vay gặp khó khăn trong việc trả khoản nợ của mình Đồng với quan điểm trên, Nir Klein (2013), Messai và Jouini (2013) đều ủng hộ quan điểm tốc độ tăng trưởng kinh tế có tác động nghịch hướng với tỷ lệ nợ xấu

GDPt: là tỷ lệ tăng trưởng tổng sản phẩm quốc nội năm t

GDPt: là tổng sản phẩm quốc nội năm t

GDPt-1: là tổng sản phẩm quốc nội năm (t-1)

Chỉ số giá tiêu dùng (CPI)

Theo Nir Klein (2013) thì lạm phát làm mức giá chung của nền kinh tế tăng theo thời gian, lạm phát làm mất giá trị thị trường của đồng tiền hay giảm sức mua của đồng tiền Khi giá cả của hàng hoá và dịch vụ tăng, người dân thường có xu hướng tiết kiệm tiêu dùng, dẫn đến hàng hóa bị tiêu thụ chậm, sản xuất và kinh doanh của doanh nghiệp bị đình trệ, dẫn đến lợi nhuận giảm Từ đó làm ảnh hưởng đến khả năng thanh toán nợ của khách hàng, dẫn đến nợ xấu tăng

Biến độc lập COVID được xây dựng là một biến giả trong mô hình nhằm kiểm tra chính xác tác động của nó đối với biến phụ thuộc là NPL Những năm xảy ra đại dịch Covid –19 mang giá trị 1 và những năm không xảy ra đại dịch mang giá trị 0

Bảng 3.2 5 Dấu kỳ vọng của các biến trong mô hình

STT Các biến trong mô hình Ký hiệu Dấu kỳ vọng

1 Tỷ lệ nợ xấu NPL

2 Quy mô ngân hàng SIZE +

3 Tỷ lệ lợi nhuận trên vốn chủ sở hữu ROE -

4 Tốc độ tăng trưởng tín dụng LGR +

5 Tỷ lệ chi phí hoạt động trên tổng thu nhập ME +

6 Hệ số an toàn vốn CAR +

7 Tỷ lệ sở hữu vốn Nhà nước STA -

8 Tốc độ tăng trưởng tổng sản phẩm quốc nội GDPGR -

9 Chỉ số giá tiêu dùng CPI +

10 Giai đoạn dịch bệnh Covid 19 COVID +

QUY TRÌNH NGHIÊN CỨU

Hình 3.2 5 Trình tự nghiên cứu

Hình 3.2 cho thấy có 7 bước trong quy trình nghiên cứu của tác giả:

Bước 1: Tìm hiểu vấn đề cần nghiên cứu, mục tiêu, phạm vi nghiên cứu, sau đó xem xét các nghiên cứu tại Việt Nam và nước ngoài liên quan đến đề tài, từ đó xác định khoảng trống nghiên cứu

Bước 2: Tổng hợp các lý thuyết nền liên quan đến đề tài nghiên cứu

Bước 3: Lựa chọn các biến phù hợp

Bước 4: Xây dựng mô hình nghiên cứu giữa các biến độc lập và biến phụ thuộc

Bước 5: Thu thập dữ liệu từ các báo cáo tài chính năm đã kiểm toán của các ngân hàng TMCP và xử lý dữ liệu bằng các mô hình hồi quy phù hợp

Khảo lược nghiên cứu có liên quan và các bằng chứng thực

Xây dựng khung lý thuyết nền

Xây dựng mô hình nghiên cứu

Thu thập và xử lý dữ liệu

Kiểm định mô hình Kết quả và thảo thuận

Bước 6: So sánh các mô hình hồi quy, từ đó lựa chọn mô hình phù hợp và tiến hành kiểm nghiệm

Bước 7: Trình bày và thảo luận kết quả nghiên cứu, đưa ra những hàm ý chính sách phù hợp.

DỮ LIỆU NGHIÊN CỨU

Theo Tabachnick và Fidell (2007) đã chỉ ra trong nghiên cứu định lượng, số lượng mẫu nghiên cứu cần được đo lường theo công thức sau: n ≥ 50 + 8m

- n: Số lượng mẫu nghiên cứu

- m: Số biến độc lập có trong mô hình

Trong bài nghiên cứu của tác giả có 10 biến độc lập, do đó số lượng mẫu nghiên cứu tối thiểu là 130 quan sát Tác giả đã thu thập dữ liệu từ 24 ngân hàng thương mại trong vòng 12 năm, tổng cộng thu thập được 288 quan sát Do đó, số lượng quan sát trong bài nghiên cứu là hoàn toàn phù hợp và có cơ sở

Tác giả thu thập dữ liệu từ báo cáo tài chính đã được kiểm toán và báo cáo thường niên do các ngân hàng thương mại đăng tải chính thức trên website và trang web www.cafef.vn trong vòng 12 năm từ 2012 đến 2023

Tính đến thời điểm 31/12/2023, Việt Nam có 49 ngân hàng hoạt động, trong đó Nhóm Ngân hàng TMCP chiếm tỷ trọng lớn nhất (63%) Do đặc điểm hoạt động vì mục tiêu lợi nhuận và ít bị chi phối bởi các yếu tố như chính trị hoặc nhiệm vụ đặc biệt của Nhà nước, nhóm ngân hàng này phản ánh chính xác nhất đặc điểm và tính chất của ngành ngân hàng Việt Nam.

Trong số 31 Ngân hàng TMCP có 7 ngân hàng không đủ dữ liệu hoặc báo cáo tài chính đã kiểm toán chưa được công bố đầy đủ trong thời gian nghiên cứu

Cuối cùng, có 24 ngân hàng TMCP thỏa mãn yêu cầu của tác giả, chi tiết được trình bày trong Phụ lục 01 đính kèm

Dữ liệu nghiên cứu được tác giả sử dụng trong nghiên cứu là dữ liệu thứ cấp được thu thập từ các BCTC hợp nhất đã kiểm toán, BCTN của 24 NH TMCP Việt Nam Nguồn số liệu tổng hợp vào cuối mỗi năm trong giai đoạn 2012 –

2023 cho nên nghiên cứu gồm tộng cộng 288 quan sát Đối với các chỉ số kinh tế vĩ mô mỗi năm như tốc độ tăng trưởng kinh tế, chỉ số giá tiêu dùng được thu thập từ các trang web uy tín như World Bank, Ourworldindata, IMF Số liệu được thu thập và sắp xếp theo dữ liệu bảng, cấu trúc dữ liệu bảng được kết hợp từ hai thành phần: thành phần dữ liệu chéo và thành phần dữ liệu thời gian

Ngoài ra, trong nghiên cứu tác giả sử dụng biến giá để đánh giá tác động của dịch bệnh Covid-19 của các NHTMCP Việt Nam với giá trị là 1 nếu là năm bị ảnh hưởng bởi dịch Covid-19, và ngược lại nhận giá trị 0 là năm không bị ảnh hưởng Đồng thời, trong nghiên cứu tác giả lựa chọn thời gian nghiên cứu là 12 năm (gồm giai đoạn từ 2012 đến 2023) Trong khoảng thời gian này, nền kinh tế Việt Nam đã trả qua nhiều biến động, từ cuộc khủng hoảng kinh tế toàn cầu đến các vấn đề chính trị trên thế giới, hay gần đây nhất là những ảnh hưởng nặng nề bởi dịch bệnh, chiến tranh thương mại Mỹ - Trung, lạm phát nghiêm trọng trong

2022 - 2023, chiến tranh giữa Nga và Ukraina, v.v Do đó, khoảng thời gian này sẽ có những tác động mạnh mẽ đến hoạt động của các NHTMCP Việt Nam, đặc biệt là tình hình TTTD Bên cạnh đó, việc tiến hành nghiên cứu trong giai đoạn này sẽ giúp phản ánh rõ nét hơn mứuc độ ảnh hưởng những yếu tố ảnh hưởng đến TTTD.

PHƯƠNG PHÁP NGHIÊN CỨU

Để đạt được các mục tiêu nghiên cứu đề ra, tác giả sử dụng phương pháp nghiên cứu định lượng thông qua phân tích hồi quy trên phần mềm STATA 17.0 để kiểm định các giả thuyết đã nêu ở mục 3.1.3 và mức độ ảnh hưởng của các yếu tố đó đối với tỷ lệ nợ xấu của các NHTMCP tại Việt Nam giai đoạn 2012 –

3.4.1 Phân tích thống kê mô tả

Nghiên cứu này được tiếp cận bằng phương pháp định tính Mở đầu, tác giả sử dụng phương pháp phân tích thống kê mô tả (Descriptive statistics) để phản ánh tổng quát các biến Bảng dữ liệu thống kê bao gồm tên, số lượng quan sát, giá trị trung bình (Mean), độ lệch chuẩn (Std Dev), giá trị nhỏ nhất (Min), giá trị lớn nhất (Max) của từng biến độc lập

3.4.2 Phân tích ma trận tương quan

Phân tích ma trận tương quan dùng để xác định mức độ tương quan cùng chiều hay ngược chiều, tương quan mạnh hay tương quan yếu, tương quan giữa từng biến độc lập với nhau và từng biến độc lập với biến phụ thuộc trong mô hình nghiên cứu

3.4.3 Lựa chọn mô hình hồi quy phù hợp giữa Pooled OLS, FEM và REM

Tiếp theo, tác giả sử dụng mô hình hồi quy tuyến tính để tìm ra mô hình phù hợp Các phương pháp hồi quy OLS, REM, Fem và FGLS được sử dụng để kiểm nghiệm bảng dữ liệu trên Để thu thập kết luận chính xác và đáng tin cậy, nghiên cứu tiến hành hồi quy bảng dữ liệu với 03 mô hình là FEM, REM và FGLS, sau đó kết hợp với mô hình truyền thống OLS Sau cùng, tác giả sẽ lựa chọn mô hình phù hợp nhất để kiểm nghiệm sự tác động của các biến độc lập tới biến phụ thuộc là tỷ lệ nợ xấu của các Ngân hàng TMCP tại Việt Nam

• Mô hình OLS (Ordinary Least Squares) Υit = β1+ β2X2it + β3X3it + … + βkXkit + uit (1)

Yit: biến phụ thuộc của ngân hàng i tại năm t

Xkit: biến độc lập k của ngân hàng i tại năm t β1: Hệ số chặn của mô hình βk: hệ số góc của biến độc lập thứ k uit: các biến tiềm tàng của mô hình

Phương pháp Pooled OLS gộp dữ liệu bảng lại để phân tích, bỏ qua sự khác biệt giữa các đơn vị quan sát Phương pháp này đơn giản nhưng có nhược điểm là không xét đến yếu tố thời gian và không gian, bỏ qua các đặc điểm riêng biệt của từng đơn vị.

• Mô hình tác động cố định (Fixed effect model - FEM)

Xit: biến độc lập αi (i=1 n): hệ số chặn cho từng đơn vị nghiên cứu β: hệ số góc đối với yếu tố X εit: phần dư

Với giả định mỗi đơn vị đều có những đặc điểm riêng biệt có thể ảnh hưởng đến các biến giải thích, FEM phân tích mối tương quan này giữa phần dư của mỗi đơn vị với các biến giải thích qua đó kiểm soát và tách ảnh hưởng của các đặc điểm riêng biệt (không đổi theo thời gian) ra khỏi các biến giải thích để chúng ta có thể ước lượng những ảnh hưởng thực (net effects) của biến giải thích lên biến phụ thuộc

• Mô hình tác động ngẫu nhiên (Random effect model - REM)

Xét mô hình: Yit = αi + βXit + μit β 1i = β 1 + ε i ; i = 1, 2, …, N

Thay vì trong mô hình trên αi là cố định (không thay đổi theo thời gian) thì phương pháp REM giả định rằng nó là một biến ngẫu nhiên với αi = α + εi (i= 1,

2, , n), thay vào trong mô hình ban đầu ta có: Yit = α + βXit + εi + μit

Trong đó εi là thành phần sai số theo đơn vị chéo và μit là thành phần sai số chéo và chuỗi thời gian kết hợp Như vậy, với phương pháp REM, thay vì coi mỗi đặc điểm riêng của các đơn vị có tương quan tới biến độc lập và tách tác động đó ra như trong FEM thì phương pháp REM coi các đặc điểm riêng đó là ngẫu nhiên và không tương quan tới các biến độc lập mà giống như một biến giải thích mới tác động tới biến phụ thuộc

So với phương pháp FEM, phương pháp REM có thể khắc phục được những nhược điểm của FEM Tuy nhiên, REM cho rằng các đặc điểm riêng của từng đơn vị (εi) không tương quan với các biến độc lập Nếu giả định này bị vi phạm, ước lượng của REM sẽ không còn chính xác

Mô hình FEM và REM, cho dù phổ biến trong phân tích hồi quy dữ liệu bảng, vẫn có hạn chế về sai số thay đổi, tự tương quan và đa cộng tuyến; từ đó dẫn đến ước tính không chính xác Vì vậy, nghiên cứu tiếp theo sẽ sử dụng mô hình FGLS (Phương pháp Bình phương Tổng quát Đã thu nhỏ) nhằm khắc phục những khuyết điểm này và đưa ra kết quả ước lượng hiệu quả hơn.

3.4.4 Thử nghiệm để chọn ra mô hình tối ưu nhất

• Kiểm định sự tồn tại của hiệu ứng cố định

Kiểm nghiệm nhằm lựa chọn mô hình phù hợp giữa OLS hoặc FEM cho tệp dữ liệu mẫu

Giả thuyết H0: Mô hình OLS phù hợp

Giả thuyết H1: Mô hình FEM phù hợp

• Kiểm định Breuch – Pagan LM

Kiểm nghiệm nhằm mục đích chọn mô hình OLS hoặc REM thích hợp cho hồi quy dữ liệu mẫu

Giả thuyết H0: Mô hình OLS phù hợp

Giả thuyết H1: Mô hình REM phù hợp

Nếu giá trị p-value of kiểm định Breuch – Pagan LM có ý nghĩa thống kê, có thể kết luận rằng giả thuyết H0 bị bác bỏ, dẫn đến mô hình REM là phù hợp hơn Ngược lại, mô hình OLS phù hợp nếu như giả thuyết H0 được chấp nhận

Kiểm định nhằm mục đích lựa chọn mô hình FEM hoặc REM phù hợp để hồi quy dữ liệu mẫu, dựa trên giả định không có mối tương quan giữa biến giải thích và hệ số ngẫu nhiên i vì tương quan là nguyên nhân dẫn đến sự khác biệt giữa FEM và REM

Giả thuyết H0: REM phù hợp

Giả thuyết H1: FEM phù hợp

Nếu giá trị p-value của kiểm nghiệm Hausman có ý nghĩa thống kê, dẫn đến giả thuyết H0 bị bác bỏ, thì có thể kết luận rằng FEM phù hợp hơn để sử dụng Ngược lại, REM phù hợp với mô hình nếu giả thuyết H0 được chấp thuận

3.4.5 Kiểm định hiện tượng đa cộng tuyến

• Hệ số phóng đại phương sai (Variance Inflation Factor - VIF)

Với Rj2 là hệ số xác định trong hồi quy phụ của biến độc lập Xj theo các biến độc lập còn lại Thông thường, nếu: VIFj > 10, Rj2 > 0,9  Có hiện tượng đa cộng tuyến cao giữa biến độc lập Xj và các biến độc lập còn lại

3.4.6 Kiểm định hiện tượng tự tương quan

Tự tương quan là hiện tượng tương quan giữa các quan sát trong cùng một bảng dữ liệu:

Trong mô hình hồi quy, thông thường giả định các biến độc lập Ui và Uj không tương quan với nhau, tức là Cov(Ui, Uj | X) = 0 Tuy nhiên, đối với dữ liệu chuỗi thời gian, giả định này thường bị vi phạm do hiện tượng tự tương quan trong dữ liệu theo thời gian Do đó, phương trình hồi quy cho dữ liệu chuỗi thời gian thường khác so với phương trình hồi quy thông thường, phản ánh sự phụ thuộc giữa các biến quan sát theo thời gian.

Nếu sai số Ut chỉ tương quan với Ut-1 (độ trễ một kỳ trước đó) thì ta có hiện tượng tự tương quan bậc một, ký hiệu là AR(1)

Phương trình tương quan bậc một như sau:

KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN

THỰC TRẠNG NỢ XẤU CỦA CÁC NGÂN HÀNG TMCP TỪ 2012 ĐẾN

Hình 4.1 6 Tỷ lệ nợ xấu nội bảng của hệ thống Ngân hàng giai đoạn 2012-2023

Nguồn: Báo cáo thường niên của Ngân hàng Nhà nước

Từ 15/08/2017, các NHTMCP xử lý nợ xấu theo Nghị quyết số 42/2017/QH14 (Nghị quyết 42) của Quốc Hội tuy nhiên Nghị quyết này sắp hết hiệu lực vào tháng 01/01/2024, như vậy áp lực nợ xấu đang ngày một tăng lên nhất là sau 2 năm Covid 19 Cụ thể cơ cấu lại hệ thống tổ chức tín dụng (TCTD) gắn với xử lý nợ xấu là nhiệm vụ trọng tâm của ngành Ngân hàng trong giai đoạn 2016-2020 Trong đó, giai đoạn 2016-2019, ngành ngân hàng đã khá thành công với nhiệm vụ trọng tâm này khi đảm bảo an toàn hoạt động hệ thống, có những bước tiến trong việc cơ cấu lại các TCTD, và đặc biệt giảm đáng kể tỷ lệ

2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 nợ xấu toàn ngành (tỷ lệ nợ xấu nội bảng giảm từ 2,46% năm 2016 xuống còn 1,63% năm 2019) với sự góp sức không nhỏ từ việc triển khai Nghị quyết số 42 của Quốc Hội về thí điểm cơ chế xử lý nợ xấu của các TCTD

Theo số liệu từ Ngân hàng Nhà nước, cuối năm 2020, tỷ lệ nợ xấu của ngành ngân hàng là 1,69% Nguyên nhân nổi bật nhất là do vào ngày 13/03/2020, NHNN Việt Nam đã ban hành thông tư 01/2020/TT-NHNN nhằm quy định về việc tổ chức tín dụng, chi nhánh ngân hàng nước ngoài cơ cấu lại thời hạn trả nợ, miễn, giảm lãi, phí, giữ nguyên nhóm nợ nhằm hỗ trợ khách hàng chịu ảnh hưởng do Covid-19 Đây là lí do giải thích cho việc vào năm 2020, nhiều cá nhân, hộ kinh doanh và doanh nghiệp gặp khó khăn do tác động của đại dịch Covid-19, nhưng tỷ lệ nợ xấu của ngành lại chỉ tăng nhẹ so với năm 2019

Tuy nhiên, cuối năm 2023, tỷ lệ này đã đạt đỉnh đến con số 4,55% bởi nhiều nguyên nhân khác nhau Vụ đại án liên quan đến tập đoàn Vạn Thịnh Phát, chiếm đoạt của Ngân hàng SCB số tiền hơn 764.000 tỷ đồng (Đan Thuần & Tuyết Mai, 2024), đồng thời ảnh hưởng tiêu cực dẫn đến tình trạng “đóng băng” của hai thị trường Bên cạnh đó, thị trường bất động sản trong giai đoạn này cũng không mấy tích cực với sự việc bỏ cọc 600 tỷ đồng ở màn đấu giá đất Thủ Thiêm của ông Đỗ Anh Dũng – chủ tịch Tập đoàn Tân Hoàng Minh Thứ hai, các ngân hàng cũng phải đối mặt với nguy cơ gia tăng nợ xấu khi thời gian cơ cấu thời hạn trả nợ cho khách hàng chịu ảnh hưởng bởi đại dịch Covid-19 theo thông tư 14/2021/TT-NHNN đã kết thúc vào ngày 30/06/2022

Việc NHNN ban hành Thông tư 01/2020/TT-NHNN ngày 13/03/2020, Thông tư 03/2021/TT-NHNN ngày 02/04/2021 và Thông tư 14/2021/TT-NHNN ngày 07/09/2021 cũng giúp hệ thống ngân hàng ghi nhận từ từ các khoản nợ xấu, tăng thời gian chuẩn bị các nguồn lực cần thiết để có thể xử lý mà không gây ra cú sốc nợ xấu cho toàn ngành Tuy nhiên, phải nhấn mạnh rằng Thông tư 14 hay các Thông tư 01, 03 chỉ trì hoãn việc ghi nhận phân nhóm nợ và nợ xấu trong 3 năm (2021-2023) mà không phải là trực tiếp giải quyết nợ xấu cho các TCTD

Các TCTD đã chủ động trích lập dự phòng rủi ro và phân nhóm nợ để nâng cao năng lực xử lý nợ xấu Thông tư 02/2023/TT-NHNN của NHNN cho phép các TCTD cơ cấu lại thời hạn trả nợ và giữ nguyên nhóm nợ, có hiệu lực từ 24/04/2023 đến hết 30/06/2024 Đến 31/12/2023, có gần 188.000 lượt khách hàng được cơ cấu nợ với tổng giá trị trên 183.500 tỷ đồng Các ngân hàng lớn như Vietinbank, Techcombank, LPBank và BIDV đều ủng hộ và đề xuất kéo dài hiệu lực của Thông tư 02/2023/TT-NHNN.

Do hiện tại, nền kinh tế vẫn còn đang trong giai đoạn u ám, đình trệ, với liên tiếp các diễn biến phức tạp về địa chính trị, xung đột vũ trang thế giới như: chiến tranh Nga – Ukraina, giá vàng leo thang, tỷ giá liên tục đạt đỉnh mới, sức tiêu thụ ở thị trường nội địa và một số thị trường quốc tế chưa có dấu hiệu tăng dẫn đến khả năng xoay vòng vốn của nhiều khách hàng kéo dài Điều đó dẫn đến nhiều khách hàng mất nguồn thu hoặc nguồn thu không đảm bảo, do đó, khách hàng không thể trả nợ, hoặc trả nợ không đầy đủ cho Ngân hàng

Vào ngày 13/04/2024, NHNN đã có báo cáo tại Hội nghị “Triển khai nhiệm vụ điều hành chính sách tiền tệ năm 2024, tập trung tháo gỡ khó khăn cho sản xuất kinh doanh, thúc đẩy tăng trưởng và ổn định kinh tế vĩ mô” do Thủ tướng chủ trì NHNN cho biết một số ngân hàng còn thận trọng trong thực hiện cấp tín dụng do nợ xấu tăng."Mặc dù nợ xấu đã được tổ chức tín dụng xử lý một bước quan trọng nhưng có xu hướng tăng do biến động tiêu cực từ tình hình kinh tế thế giới cùng những khó khăn của nền kinh tế trong nước Nợ xấu nội bảng của hệ thống các tổ chức tín dụng đến cuối năm 2023 là 4,55%, tăng so với mức

2,03% vào cuối năm 2022 Cùng đó, huy động vốn qua cổ phiếu, trái phiếu, vốn FDI tăng thấp, những khó khăn trên thị trường trái phiếu doanh nghiệp, bất động sản chưa được giải quyết căn cơ, triệt để khiến cho nguồn vốn phục vụ tăng trưởng tiếp tục tập trung vào tín dụng ngân hàng, tỷ lệ Tín dụng/GDP tăng cao (cuối năm 2023 khoảng 133%, tăng so với mức khoảng 125% cuối năm 2022), tiềm ẩn rủi ro an toàn hệ thống tài chính, tiền tệ (Hoàng Lan, 2024).

THỐNG KÊ MÔ TẢ CÁC BIẾN

“Các biến trong mô hình nghiên cứu được thống kê theo 5 tiêu chí bao gồm: số quan sát, giá trị trung bình, độ lệch chuẩn, giá trị nhỏ nhất trong khoảng thời gian từ 2012 – 2023 Dữ liệu bảng được cân bằng và chi tiết về giá trị thống kê của các biến được sử dụng trong mô hình hồi quy được trình bày trong bảng 4.1 sau: ”

Bảng 4.1 6 Thống kê mô tả các biến trong mô hình nghiên cứu

Giá trị trung bình Độ lệch chuẩn

Giá trị lớn nhất NPL 288 0,0135511 0,0088556 0,000101 0,0383874

Nguồn: Tác giả tổng hợp từ STATA

Bảng 4.1 cho thấy bộ dữ liệu có tổng cộng 288 quan sát, với 24 ngân hàng TMCP trải dài trong 12 năm từ 2012 đến 2023 Mục tiêu kiểm định mối quan hệ giữa các yếu tố vi mô: ROE, SIZE, LGR, ME, CAR, STA; yếu tố vĩ mô: GDPGR, CPI, COVID và tỷ lệ nợ xấu

Biến phụ thuộc NPL có giá trị trung bình là 0,0135511 và độ lệch chuẩn là 0,0088556 Trong đó, giá trị NPL thấp nhất là 0,000101, thuộc về Ngân hàng VietCapital vào năm 2016 Ngược lại, giá trị NPL cao nhất là 0,03338, thuộc về Ngân hàng VIB.

Hình 4.2 7 Biến động trung bình của tỷ lệ nợ xấu (NPL)

Hình 4.2 cho thấy, trong giai đoạn 2012 – 2023, tỷ lệ nợ xấu của 24 ngân hàng TMCP tại Việt Nam có xu hướng tăng Từ năm 2012 đến năm 2015, tỷ lệ nợ xấu giảm từ 0,93% xuống còn 0,79% Từ năm 2016 đến 2023, tỷ lệ nợ xấu có xu hướng tăng nhanh, tuy nhiên vào năm 2020 tỷ lệ này lại giảm và sau đó chạm đỉnh 2,182% vào cuối giai đoạn nghiên cứu

Hình 4.3 8 Biến động trung bình của quy mô ngân hàng (SIZE)

Hình 4.3 cho thấy SIZE trung bình của các NHTMCP có xu hướng tăng trong giai đoạn nghiên cứu Trái ngược với ROE trung bình, SIZE trung bình có ảnh hưởng cùng chiều với NPL Có thể thấy rằng năm 2012 khi NPL thấp, SIZE cũng chạm đáy với 32,08 Trong khi vào cuối năm 2023, SIZE trung bình cũng chạm ngưỡng cao nhất với 34,48 SIZE được kỳ vọng có mối tương quan cùng chiều với NPL

Hình 4.4 9 Biến động trung bình của tỷ suất sinh lời trên vốn chủ sở hữu (ROE)

Hình 4.4 cho thấy trung bình chỉ số ROE có xu hướng giảm trong giai đoạn nghiên cứu Điều này cho thấy ROE có mối tương quan ngược chiều với tỷ lệ nợ xấu của các NHTMCP Năm 2012, ROE trung bình của các NHTMCP đạt mức cao nhất với 33,91%, trong khi đó năm 2012 tỷ lệ nợ xấu trung bình cũng chạm đáy với 0,93% Năm 2023, ROE đạt 17,08%, trong khi tỷ lệ nợ xấu trung bình đạt ngưỡng 2,18% ROE được kỳ vọng có mối tương quan ngược chiều với NPL

Hình 4.5 10 Biến động trung bình của tốc độ tăng trưởng tín dụng (LGR)

Hình 4.5 cho thấy LGR trung bình có xu hướng tăng trong giai đoạn nghiên cứu, được kỳ vọng có mối tương quan cùng chiều với tỷ lệ nợ xấu LGR trung bình của các NHTMCP giảm từ 5,70% đến 5,29% giai đoạn 2012 – 2014 Sau đó, tương tự như tỷ lệ nợ xấu, LGR cũng đạt đỉnh cao nhất lần lượt là 6,88% và 8,26% vào năm 2022 và năm 2023 Tác giả kỳ vọng khi các ngân hàng chấp nhận rủi ro gia tăng tín dụng thì tỷ lệ nợ xấu cũng có xu hướng tăng theo

Hình 4.6 11 Biến động trung bình của hiệu quả quản lý chi phí (ME)

Hình 4.6 cho thấy ME trung bình của các NHTMCP trong giai đoạn nghiên cứu có xu hướng tăng nhẹ nhưng không thay đổi nhiều, ít biến động Tuy nhiên ở năm 2012 chỉ số này đạt ngưỡng cao là 1,95% Đến cuối năm 2023, ME tăng vọt và chạm đỉnh 2,17% Dựa vào biểu đồ 4.5, có cơ sở để kỳ vọng ME biến động cùng chiều với NPL nhưng mức độ ảnh hưởng thấp

Hình 4.7 12 Biến động trung bình của hệ số an toàn vốn (CAR)

Trong giai đoạn nghiên cứu, hệ số đủ vốn CAR trung bình có xu hướng giảm ngược chiều với tỷ lệ nợ xấu Cụ thể, CAR giảm dần từ 17,02 vào năm 2012 xuống còn 11,43 vào năm 2017, sau đó tăng dần lên 12 vào năm 2020.

2018 đến 13,03 cuối giai đoạn nghiên cứu Vào năm 2012, khi NPL chạm đáy thì hệ số CAR trung bình đạt đỉnh là 17,02 Vào cuối năm 2023, hệ số CAR được duy trì ở mức thấp là 14,89 Dựa vào biểu đồ 4.6, tác giả kỳ vọng hệ số CAR có mối tương quan ngược chiều với NPL

Về biến STA, biến này là biến giả chỉ có hai giá trị lần lượt là 0 và 1 Trong bài nghiên cứu, có 4 ngân hàng quốc doanh lần lượt là Agribank, Vietcombank, Viettinbank, BIDV có biến STA với giá trị là 1 Trong khi đó, 20 ngân hàng còn lại có biến STA với giá trị là 0 Tỷ lệ ngân hàng quốc doanh trên tổng số ngân hàng TMCP khá thấp, do đó tác giả chưa đủ cơ sở để xác định biến STA có mối tương quan cùng chiều hay ngược chiều với NPL

Hình 4.8 13 Biến động trung bình của tốc độ tăng trưởng tổng sản phẩm quốc nội

Qua các năm trong giai đoạn nghiên cứu, GDPGR trung bình có xu hướng tăng dần Tỷ lệ này đã tăng từ 5,25% năm 2012 lên 7,02% năm 2019.

Trong giai đoạn 2021-2023, tốc độ tăng trưởng GDP có xu hướng phục hồi sau khi suy giảm mạnh vào năm 2021 Trong khi đó, tỷ lệ NPL lại có chiều hướng tăng Cụ thể, GDPGR đạt 2,91% và 2,58% vào năm 2021, nhưng tăng lên 8,02% vào năm 2022 và giảm xuống 5,05% vào năm 2023 Xu hướng đối lập của GDPGR và NPL theo thời gian như hình 4.2, cho thấy mối tương quan ngược chiều giữa hai chỉ số này.

Hình 4.9 14 Biến động trung bình của chỉ số giá tiêu dùng (CPI)

Hình 4.9 cho thấy CPI qua các năm có xu hướng giảm, điều này cho thấy tỷ lệ lạm phát của Việt Nam đang được kiểm soát tốt, nền kinh tế phát triển mạnh mẽ Giai đoạn 2012 – 2015, CPI giảm mạnh"từ 9,09% xuống 0,63% sau đó tăng dần trong giai đoạn 2016 – 2022, chạm mốc 3,15% trong năm cuối cùng của giai đoạn nghiên cứu Năm 2015, khi chỉ số CPI chạm đáy, NPL trung bình cũng chạm đáy với 0,79% Cuối cùng vào năm 2023, khi CPI tăng lên 3,25%, NPL trung bình cũng gia tăng đáng kể Dựa vào biểu đồ 4.8, CPI được kỳ vọng có mối tương quan cùng chiều với NPL, mặc dù đường xu hướng chung của hai biến khác nhau

Về biến COVID (giai đoạn dịch Covid-19), biến độc lập này là biến giả chỉ có hai giá trị lần lượt là 0 và 1 (0: khoảng thời gian không chịu ảnh hưởng từ

PHÂN TÍCH TƯƠNG QUAN GIỮA CÁC BIẾN

Dựa vào bảng 4.2 sẽ thực hiện phân tích mối tương quan giữa biến phụ thuộc với các biến độc lập trong mô hình và mối tương quan giữa các biến độc lập Giá trị tuyệt đối của các hệ số tương quan giữa các biến độc lập tiến gần đến

0 thì các biến giải thích sẽ độc lập với nhau và kết quả nghiên cứu sẽ có độ tin cậy cao Ngược lại khi giá trị này tiến gần đến 1 chứng tỏ các biến độc lập có mối quan hệ chặt chẽ với nhau, hiện tượng đa cộng tuyến nghiêm trọng thường sẽ xảy ra trong mô hình nghiên cứu

Bảng 4.2 7 Kết quả phân tích ma trận tương quan giữa các biến (Phụ lục 03)

NPL SIZE ROE LGR ME CAR GDPGR CPI COVID STA

Nguồn: Kết quả phân tích từ STATA 17

Bảng 4.2 cho thấy các biến trong mô hình nghiên cứu có hệ số tương quan thấp nhất là -0,5079 và cao nhất là 0,5432 NPL có mối tương quan cùng chiều và mạnh mẽ nhất với SIZE (với hệ số tương quan là 0,5432), trong khi đó có mối tương quan ngược chiều lớn nhất với ROE (với hệ số tương quan là -0,336) Dựa vào kết quả của bảng 4.2, NPL có thể có mối tương quan cùng chiều với: SIZE, LGR, ME, STA, COVID và ngược chiều với các biến lần lượt như: ROE, CAR, GDPGR, CPI Tiếp theo, tác giả tiến hành kiểm định và phân tích hồi quy mô hình nghiên cứu để tìm ra mô hình hồi quy phù hợp nhất đối với dữ liệu nghiên cứu.

PHÂN TÍCH HỒI QUY MÔ HÌNH NGHIÊN CỨU

Bảng 4.3 8 Kết quả hồi quy Pool OLS Biến độc lập

OLS Mô hình FEM Mô hình REM

Hệ số β P – value Hệ số β P – value Hệ số β P – value

ME 0,412*** 0,000 0,157 0,165 0,230** 0,023 CAR -0,0000391 0,646 -0,000107 0,207 -0,0000943 0,252 GDPGR 0,00813 0,755 -0,00213 0,912 0,000919 0,962 CPI 0,0414** 0,036 0,0478*** 0,002 0,0436*** 0,004 COVID 0,00316*** 0,002 0,00219*** 0,008 0,00254*** 0,002

Nguồn: Kết quả phân tích từ STATA 17

Chú thích: *, ** và *** có ý nghĩa thống kê ở mức tương ứng là 10%, 5% và 1%

• Phân tích mô hình Pooled OLS

Dựa vào kết quả của bảng 4.3, mô hình nghiên cứu được đo lường bằng Pooled OLS được trình bày dưới dạng sau:

NPL = -0,108 + 0,00313SIZE – 0,0172ROE + 0,198LGR + 0,412ME + 0,0414CPI + 0,00316COVID - 0,00230STA

Kết quả hồi quy theo mô hình Pooled OLS với biến phụ thuộc là tỷ lệ nợ xấu có R 2 là 0,5515 Hệ số này có ý nghĩa rằng các biến độc lập trong mô hình sẽ giải thích được 55,15% sự thay đổi của NPL Trong mô hình Pooled OLS, các biến CAR và GDPGR không có ý nghĩa thống kê Các biến có mối tương quan cùng chiều với NPL lần lượt là: SIZE, LGR, ME, CPI và COVID trong khi ROE và STA có ảnh hưởng ngược chiều Trong đó, STA có mức ý nghĩa thống kê cao nhất tương ứng với 10%, CPI là 5%, các biến còn lại là 1%

• Phân tích mô hình FEM

Dựa vào kết quả của bảng 4.3, mô hình nghiên cứu được đo lường bằng FEM được trình bày dưới dạng sau:

NPL = -0142 + 0,00439SIZE - 0,0124ROE + 0,149LGR + 0,0478CPI - 0,00219COVID

Kết quả hồi quy theo mô hình FEM với biến phụ thuộc là tỷ lệ nợ xấu có R 2 là 0,597 Hệ số này có ý nghĩa rằng các biến độc lập trong mô hình sẽ giải thích được 59,7% sự thay đổi của NPL Trong mô hình FEM, các biến ME, CAR, GDPGR và STA không có ý nghĩa thống kê Các biến có mối tương quan dương với NPL lần lượt là: SIZE, LGR và CPI, trong khi ROE có ảnh hưởng ngược chiều Trong đó, các biến nêu trên đều có mức ý nghĩa thống kê là 1%

• Phân tích mô hình REM

Dựa vào kết quả của bảng 4.3, mô hình nghiên cứu được đo lường bằng REM được trình bày dưới dạng sau:

NPL = -0,129 + 0,00398SIZE - 0,013ROE + 0,158LGR + 0,23ME + 0,0436CPI + 0,00254COVID - 0,00487STA

Kết quả hồi quy theo mô hình FEM với biến phụ thuộc là tỷ lệ nợ xấu có R 2 là 0,597 Hệ số này có ý nghĩa rằng các biến độc lập trong mô hình sẽ giải thích được 59,7% sự thay đổi của NPL Trong mô hình REM, các biến CAR và

GDPDR không có ý nghĩa thống kê Các biến có mối tương quan dương với NPL lần lượt là: SIZE, LGR, ME, CPI và COVID trong khi ROE và STA có ảnh hưởng ngược chiều Trong đó, STA có mức ý nghĩa cao nhất tương ứng là 10%,

ME có mức ý nghĩa là 5% và các biến còn lại là 1%.

KIỂM ĐỊNH LỰA CHỌN MÔ HÌNH HỒI QUY

4.5.1 So sánh mô hình hồi quy giữa Pooled OLS và FEM

Giả định bình đẳng giữa các ngân hàng thương mại cổ phần qua các năm không tìm thấy sự khác biệt, Pooled OLS phù hợp với dữ liệu Khi dữ liệu mẫu có sự khác biệt giữa các ngân hàng qua các năm, FEM sẽ phù hợp hơn với dữ liệu đó Để lựa chọn giữa Pooled OLS và FEM, tiến hành kiểm định F-test Giả thuyết H0: Chấp nhận mô hình Pool OLS.

Giả thuyết H1: Chấp nhận mô hình FEM

Nếu P-value ≥ 5%: Chấp nhận H0, lựa chọn mô hình Pool OLS

Nếu P-value ≤ 5%: Chấp nhận H1, lựa chọn mô hình FEM

Bảng 4.4 9 Kết quả kiểm định giữa Pool OLS và FEM

Kết luận FEM là mô hình phù hợp hơn

Nguồn: Kết quả phân tích dữ liệu từ phần mềm STATA 17

Bảng 4.4 chỉ ra giá trị p của phép kiểm định F nhỏ hơn mức ý nghĩa 0,05 Điều này chứng tỏ giả thuyết H0 bị bác bỏ và mô hình FEM phù hợp với dữ liệu nghiên cứu hơn so với mô hình Pooled OLS.

4.5.2 So sánh mô hình hồi quy giữa Pooled OLS và REM

Tác giả tiến hành thực hiện kiểm định Breusch - Pagan được cho ra đời bởi hai nhà nghiên cứu Breusch và Pagan (1980) nhằm đưa ra quyết định chọn lựa giữa Pooled OLS và REM với các giả thuyết được đặt ra sau đây:

Giả thuyết H0: Pooled OLS là mô hình phù hợp hơn

Giả thuyết H1: REM là mô hình phù hợp hơn

Bảng 4.5 10 Kết quả kiểm định giữa Pool OLS và REM

Kết luận REM là mô hình phù hợp hơn

Bảng 4.5 thể hiện kết quả kiểm định nhân tử Larange (Breusch – Pagan) cho thấy giá trị P-value của kiểm định này là 0 < mức ý nghĩa 5% Do đó, giả thuyết H0 không được chấp nhận và mô hình REM là mô hình phù hợp với dữ liệu nghiên cứu hơn Pooled OLS

4.5.3 So sánh mô hình hồi quy giữa FEM và REM

Tiếp theo, tác giả tiến hành thực hiện kiểm định Hausman nhằm đưa ra sự lựa chọn giữa mô hình FEM và REM với các giả thuyết được đặt ra sau đây: Giả thuyết H0: Chấp nhận mô hình REM

Giả thuyết H1: Chấp nhận mô hình FEM

Nếu P-value ≥ 5% chấp nhận H0, chấp nhận mô hình REM

Nếu P-value ≤ 5% chấp nhận H1, chấp nhận mô hình FEM

Bảng 4.6 11 Kết quả kiểm định giữa FEM và REM

Chỉ số Kết quả chi2(1) 13,48

Kết luận REM là mô hình phù hợp hơn

Bảng 4.6 cho thấy giá trị P-value của kiểm định Hausman là 0,0963 > mức ý nghĩa 5% Do đó, giả thuyết H0 được chấp nhận và REM tối ưu hơn FEM.

KIỂM ĐỊNH CÁC KHUYẾT TẬT CỦA MÔ HÌNH

4.6.1 Kiểm định đa cộng tuyến VIF

Bảng 4.7 12 Kết quả kiểm định hệ số VIF (Phụ lục 03)

Kết quả phân tích ma trận tương quan và kiểm định đa cộng tuyến cho thấy không tồn tại cặp biến nào có hệ số tương quan lớn hơn 0,8, đồng thời hệ số phóng đại phương sai (VIF) trung bình của các biến trong mô hình là 1,62 nhỏ hơn 10 Tất cả các biến đều có VIF nhỏ hơn 10, điều này khẳng định mô hình không xảy ra hiện tượng đa cộng tuyến nghiêm trọng Nhờ đó, các yếu tố trong mô hình độc lập và riêng biệt, phù hợp cho nghiên cứu định lượng.

4.6.2 Kiểm định phương sai sai số thay đổi

Tác giả sử dụng kiểm định Breusch và Pagan Lagrangian để kiểm tra trong mô hình REM có tồn tại khuyết tật phương sai sai số thay đổi hay không

Giả thuyết H0: REM không tồn tại hiện tượng phương sai sai số thay đổi Giả thuyết H1: REM có tồn tại hiện tượng phương sai sai số thay đổi

Bảng 4.8 13 Kiểm định phương sai sai số thay đổi (Phụ lục 03)

Kết luận REM có tồn tại hiện tượng phương sai sai số thay đổi

Bảng 4.8 cho thấy giá trị P-value của kiểm định Breusch và Pagan Lagrangian < mức ý nghĩa 5% Do đó, giả thuyết H0 không được chấp nhận và mô hình REM có tồn tại hiện tượng phương sai sai số thay đổi

4.6.3 Kiểm định hiện tượng tự tương quan

Hiện tượng tự tương quan bậc 1 được xác định thông qua kiểm định Wooldrige Hiện tượng này có thể ảnh hưởng đến tính hiệu quả, làm giảm độ tin cậy của mô hình

Giả thuyết H0: REM không tồn tại hiện tượng tự tương quan bậc 1

Giả thuyết H1: REM có tồn tại hiện tượng tự tương quan bậc 1

Bảng 4.9 14 Kiểm định hiện tượng tự tương quan (Phụ lục 03)

Kết luận REM có tồn tại hiện tượng tự tương quan bậc 1

Bảng 4.9 cho thấy giá trị P-value của kiểm định Wooldrige là 0,0000, nhỏ hơn mức ý nghĩa 5% Điều này dẫn đến kết luận rằng giả thuyết H0 bị bác bỏ, đồng nghĩa với việc mô hình REM có tồn tại hiện tượng tự tương quan bậc 1.

Tác giả đã thực hiện các kiểm định kiểm tra ma trận tương quan, đa cộng tuyến, phương sai sai số thay đổi và tự tương quan bậc 1 Mô hình hồi quy được áp dụng bắt đầu từ Pooled OLS, tiếp đến là FEM và sau cùng là REM Trong đó,

REM là mô hình phù hợp nhất, tuy nhiên lại gặp phải các khuyết tật nghiêm trọng có thể làm giảm độ tin cậy kết quả nghiên cứu Do đó, cần tiến hành thực hiện ước lượng bằng mô hình FGLS để khắc phục các khuyết tật này.

KẾT QUẢ HỒI QUY BẰNG PHƯƠNG PHÁP ƯỚC LƯỢNG FGLS

Mô hình hồi quy Pooled OLS giả định không có sự khác biệt giữa các ngân hàng trong khi REM khắc phục điểm yếu này Tuy nhiên, REM lại gặp phải khuyết tật phương sai sai số thay đổi và tự tương quan bậc 1 Do đó, mô hình hồi quy FGLS được thực hiện để khắc phục những hạn chế của REM, thu được kết quả như sau:

Bảng 4.10 15 Kết quả hồi quy theo phương pháp ước lượng FGLS

Wald chi2 (9) = 367,21, Prob > chi2 = 0,0000, R-squared = 0,597

Nguồn: Tác giả tổng hợp từ phần mềm STATA 17

(Chú thích: ***, **, * tương ứng với mức ý nghĩa lần lượt là 1%, 5% và 10%)

Dựa vào kết quả của bảng 4.10, mô hình nghiên cứu được đo lường bằng FGLS được trình bày dưới dạng sau:

NPL = -0,111 + 0,00339SIZE – 0,0127ROE + 0,130LGR + 0,361ME – 0,00267GDPGR + 0,0320CPI + 0,00191COVID – 0,00438STA

Trong mô hình FGLS, CAR không có ý nghĩa thống kê Các biến có mối quan hệ thuận với NPL gồm: SIZE, LGR, ME, CPI, COVID, có mức ý nghĩa thống kê 1% Ngược lại, ROE, STA, GDPGR tương quan nghịch với NPL, cũng có mức ý nghĩa thống kê 1%.

Bảng 4.10 đã chứng minh rằng có mối quan hệ giữa các yếu tố vi mô, vĩ mô đến tỷ lệ nợ xấu của các ngân hàng TMCP giai đoạn 2012 – 2023 Trong 4 mô hình hồi quy lần lượt là Pooled OLS, FEM, REM, FGLS đã được trình bày trong bảng 4.10, FGLS là mô hình tối ưu nhất vì khắc phục được khuyết tật phương sai sai số thay đổi và tự tương quan tồn tại trong mô hình REM.

THẢO LUẬN

Sau khi lựa chọn mô hình FGLS, mức độ tác động của 8 yếu tố tác động đến tỷ lệ nợ xấu được tổng hợp trong bảng 4.11 sau đây:

Bảng 4.11 16 So sánh kết quả với giả thuyết nghiên cứu

TT Ký hiệu Giả thuyết Kết quả Mức ý nghĩa

5 CAR + Không có ý nghĩa thống kê

Nguồn: Tác giả tổng hợp từ phần mềm STATA 17

(Chú thích: ***, **, * tương ứng với mức ý nghĩa lần lượt là 1%, 5% và 10%)

SIZE có ảnh hưởng cùng chiều với NPL với mức ý nghĩa thống kê là 1% Kết quả này đồng nhất với Trần Trọng Phong và cộng sự (2015) và được phản ánh trong thuyết “Quá lớn để sụp đổ” đã được nêu trong chương 2 Khi quy mô tài sản của ngân hàng càng lớn, tỷ lệ nợ xấu càng tăng Điều này chứng tỏ rằng khi các ngân hàng lớn mạnh, họ thường có xu hướng chấp nhận và chịu được mức độ rủi ro cao hơn các ngân hàng có ít tài sản Kết luận, giả thuyết H1: SIZE có ảnh hưởng cùng chiều đến tỷ lệ nợ xấu của các NHTMCP tại Việt Nam được chấp nhận

ROE có ảnh hưởng ngược chiều với NPL với mức ý nghĩa thống kê là 1% Kết quả này đồng nhất với Anthony Wood và Nakita Skinner (2018), Mohanty và cộng sự (2018), Nguyễn Phương Thảo và Nguyễn Linh Đan (2018) và được phản ánh trong thuyết “Quản lý yếu kém” đã được nêu trong chương 2 Có thể giải thích kết quà này như là các ngân hàng càng có lợi nhuận càng cao sẽ ít có động cơ tham gia vào các hoạt động rủi ro bởi vì các ngân hàng này ít bị áp lực bởi việc tạo ra lợi nhuận Do đó, khi lợi nhuận của các ngân hàng gia tăng, xác suất mà các nhà quản trị ngân hàng tham gia vào các dự án đầu tư rủi ro sẽ giảm và do đó xác suất mà các khoản vay của ngân hàng chuyển sang nợ xấu cũng sẽ giảm tương ứng Đồng thời các ngân hàng có lợi nhuận càng cao thì sẽ có cơ hội để lựa chọn ra các khách hàng có khả năng tài chính tốt và rủi ro thấp Kết luận, giả thuyết H2: ROE có ảnh hưởng ngược chiều đến tỷ lệ nợ xấu của các NHTMCP tại Việt Nam được chấp nhận

"LGR có ảnh hưởng cùng chiều với NPL với mức ý nghĩa thống kê là 1% Kết quả này đồng nhất với Trần Trọng Phong và cộng sự (2015) và được phản ánh trong lý thuyết về tăng trưởng tín dụng tác động đến tỷ lệ nợ xấu đã được đề cập ở chương 2 Điều này chứng tỏ các ngân hàng TMCP đang có xu hướng sẵn sàng chấp nhận rủi ro về nợ xấu để gia tăng mức tăng trưởng tín dụng, điều này trái ngược với kết quả của Nguyễn Tuấn Kiệt và cộng sự (2016) Lý do là trong giai đoạn 2007 – 2013 của nhóm tác giả Nguyễn Tuấn Kiệt, có sự ra đời của Công ty Quản lý tài sản Việt Nam trong năm 2013 cùng thông tư 02/2013/TT- NHNN quy định về an toàn trong hoạt động tín dụng của các ngân hàng ở mức độ chặt chẽ hơn, khi đó tập trung xử lý nợ xấu năm trước và hạn chế tăng trưởng tín dụng năm tiếp theo là các ưu tiên hàng đầu đặc biệt quan trọng và cấp bách theo áp đặt của NHNN Kết luận, giả thuyết H3: LGR có ảnh hưởng cùng chiều đến tỷ lệ nợ xấu của các NHTMCP tại Việt Nam được chấp nhận

ME có ảnh hưởng cùng chiều với NPL với mức ý nghĩa thống kê 1% Kết quả này đồng nhất với Mohanty và cộng sự (2018) và được phản ánh trong thuyết “Quản lý yếu kém” (Bad management) đã được đề cập trong chương 2 Khi chi phí hoạt động càng cao, tỷ lệ nợ xấu của ngân hàng càng cao và ngược lại Tuy nhiên, kết quả này không đồng nhất với Nguyễn Tuấn Kiệt và Đinh Hồng Phú (2016), Phạm Nguyễn Phương Thảo và Nguyễn Linh Đan (2018) Lý do giải thích cho sự đối lập này là trong hai bài nghiên cứu trên nhóm tác giả cho rằng các ngân hàng ít nỗ lực trong việc đảm bảo chất lượng khoản vay cao thì sẽ tiết kiệm chi phí, tuy nhiên trong dài hạn nợ xấu sẽ gia tăng Tuy nhiên, theo quan điểm truyền thống, việc chi nhiều tiền cho việc chấm điểm tín dụng, cầm cố, theo dõi khoản vay chứng tỏ bộ máy quản lý yếu kém, sẽ dẫn đến tỷ lệ nợ xấu tăng cao Kết luận, giả thuyết H4: ME có ảnh hưởng cùng chiều đến tỷ lệ nợ xấu của các NHTMCP tại Việt Nam được chấp nhận

Bài nghiên cứu không có đủ cơ sở để tìm ra mối tương quan giữa CAR và NPL trong mô hình FGLS Điều này không đồng nhất với kết quả nghiên cứu của Anthony Wood và Nakita Skinner (2018), Fajar Afriyanto và cộng sự

(2021) Điều này chứng tỏ bài nghiên cứu của tác giả còn gặp nhiều hạn chế trong khâu lấy mẫu nghiên cứu Do đó, bài nghiên cứu chưa đủ cơ sở chấp nhận giả thuyết H5: CAR có ảnh hưởng đến tỷ lệ nợ xấu của các NHTMCP tại Việt Nam

STA có ảnh hưởng ngược chiều đến NPL với mức ý nghĩa 1% Kết quả này đồng nhất với Lawrence Kryzanowski và cộng sự (2023), đủ cơ sở chấp nhận giả thuyết H6 chứng minh rằng ngân hàng có vốn sở hữu nhà nước lớn hơn 50% thường có tỷ lệ nợ xấu thấp hơn Nguyên nhân là các ngân hàng thuộc sở hữu nhà nước lớn hơn 50% sẽ có quy mô lớn, nguồn vốn dồi dào, do đó các ngân hàng này có đủ nguồn lực tăng trích lập dự phòng, dẫn đến giảm tỷ lệ nợ xấu Tuy nhiên, kết quả này trái ngược với Fawad Ahrnad (2013) và lý do là tại các ngân hàng có vốn sở hữu nhà nước cao ở Pakistan thường xuyên xảy ra hành vi tham nhũng trong quản lý, quy trình tín dụng lỏng lẻo và áp lực chính trị, dẫn đến nợ xấu gia tăng Điều này chứng tỏ biến STA bị còn bị ảnh hưởng bởi sự hiệu quả trong việc quản lý các ngân hàng của nhà nước ở các quốc gia là khác nhau Kết luận, giả thuyết H6: STA có ảnh hưởng ngược chiều đến tỷ lệ nợ xấu của các NHTMCP tại Việt Nam được chấp nhận

GDPGR có ảnh hưởng ngược chiều đến NPL với mức ý nghĩa 1% Kết quả này đồng nhất với Phạm Nguyễn Phương Thảo và Nguyễn Linh Đan (2018), Fawad Ahmad và Taqadus Bashir (2013), Mohanty và cộng sự (2018), Anthony Wood và Nakita Skinner (2018), "đủ cơ sở chấp nhận chi rằng khi tốc độ tăng trưởng GDP cao tỷ lệ nợ xấu càng thấp và ngược lại Điều này có nghĩa là khi nền kinh tế Việt Nam tăng trưởng thì sẽ giúp các NHTMCP giảm thiểu nợ xấu của các ngân hàng trong danh mục dư nợ cho vay Có thể giải thích kết quả này như là sự thay đổi trong chu kỳ kinh doanh sẽ có tác động đến khả năng thanh toán lãi vay và nợ của người đi vay Do đó, tốc độ tăng trưởng kinh tế sẽ có tương quan cùng chiều với thu nhập của các cá nhân lẫn tổ chức trong nền kinh tế, kết quả là sẽ cải thiện khả năng thanh toán lãi vay và nợ của người đi vay, và do đó sẽ làm giảm tỷ lệ nợ xấu Kết luận, giả thuyết H7: GDPGR có ảnh hưởng đến tỷ lệ nợ xấu của các NHTMCP tại Việt Nam được chấp nhận

Chỉ số giá tiêu dùng (CPI) có mối liên hệ thuận chiều với tỷ lệ nợ xấu (NPL), đạt mức ý nghĩa thống kê 1% Tương ứng với sự gia tăng của CPI là sự gia tăng của NPL Điều này cũng phù hợp với kết quả nghiên cứu của các学者 như Phạm Nguyễn Phương Thảo và Nguyễn Linh Đan (2018), Đặng Thị Ngọc Lan (2019), Fawad Ahmad và Taqadus Bashir (2013) Từ đó, giả thuyết H8: CPI có ảnh hưởng đến tỷ lệ nợ xấu của các ngân hàng thương mại cổ phần tại Việt Nam được chấp nhận.

COVID có ảnh hưởng cùng chiều với NPL, tương ứng với với mức ý nghĩa 1% Kết quả này đồng nhất với Lawrence Kryzanowski và cộng sự (2023) được thực hiện tại Trung Quốc nhưng không đồng nhất với kết quả của Amila Žunić và cộng sự (2021) Nguyên nhân do nền kinh tế Việt Nam phụ thuộc rất lớn vào nguồn cung nguyên phụ liệu, linh kiện đầu vào từ Trung Quốc, biểu hiện rõ rệt nhất qua các ngành như: điện, điện tử, dệt may, da giày, sản xuất và lắp ráp ô tô Theo Tổng cục Thống kê, nhập khẩu từ Trung Quốc năm 2020 chiếm 32%, năm

Tỉ lệ nhập khẩu từ Trung Quốc vào Việt Nam gia tăng qua các năm: 11,6% trong năm 2020, 30,5% trong năm 2021 và 12,6% trong năm 2022 Mặc dù Thông tư 01/2020/TT-NHNN ban hành ngày 13/03/2020 quy định về cơ cấu lại thời hạn trả nợ, miễn, giảm lãi, phí để hỗ trợ khách hàng chịu ảnh hưởng của COVID-19, tuy nhiên các ngân hàng vẫn mất khoảng 3-6 tháng để thiết lập các quy trình nội bộ áp dụng thông tư này Điều này củng cố giả thuyết H9: COVID-19 có ảnh hưởng đến tỉ lệ nợ xấu của các ngân hàng thương mại cổ phần tại Việt Nam.

Tóm lại, theo kết quả của mô hình FGLS, các biến SIZE, LGR, ME, CPI và COVID có mối tương quan cùng chiều với tỷ lệ nợ xấu của các NHTMCP tại Việt Nam giai đoạn 2012 – 2023, trong khi đó ROE, STA và GDPGR có ảnh hưởng ngược chiều Điều này chứng tỏ rằng khi giá trị của SIZE, LGR, ME, CPI và COVID tăng thì tỷ lệ nợ xấu của 24 ngân hàng TMCP được nghiên cứu trong vòng 12 năm có xu hướng tăng."Tuy nhiên, khi ROE, STA, GDPGR tăng, tỷ lệ nợ xấu có xu hướng giảm Bên cạnh đó, bài nghiên cứu của tác giả chưa đủ cơ sở để tìm ra mối tương quan giữa CAR đối với tỷ lệ nợ xấu của các NHTMCP tại Việt Nam giai đoạn 2012 – 2023

Trong Chương 4, tác giả đã tiến hành phân tích sự ảnh hưởng của các yếu tố vi mô và vĩ mô đến tỷ lệ nợ xấu của 24 ngân hàng TMCP tại Việt Nam giai đoạn 2012 – 2023 thông qua việc thống kê mô tả, phân tích ma trận tương quan, kiểm tra hiện tượng đa cộng tuyến và sử dụng các mô hình hồi quy để phân tích dữ liệu bảng lần lượt là: Pooled OLS, FEM, REM và FGLS dưới sự hỗ trợ của phần mềm STATA 17 Kết quả cuối cùng của mô hình FGLS cho thấy, SIZE, LGR, ME, CPI và độ trễ nợ xấu có mối tương quan cùng chiều với tỷ lệ nợ xấu của các NHTMCP tại Việt Nam giai đoạn 2012 – 2023, trong khi đó ROE, STA và GDPGR có ảnh hưởng ngược chiều Bên cạnh đó, CAR không có ảnh hưởng đến tỷ lệ nợ xấu của các NHTMCP tại Việt Nam giai đoạn 2012 – 2023

CHƯƠNG 5: KẾT LUẬN VÀ HÀM Ý CHÍNH SÁCH

Dựa trên kết quả nghiên cứu ở Chương 4, Chương 5 trình bày các kết luận chính và hàm ý quản trị về mối quan hệ giữa các yếu tố vi mô, vĩ mô với tỷ lệ nợ xấu Nghiên cứu này cũng nêu ra một số hạn chế và đưa ra những hướng nghiên cứu trong tương lai để tiếp tục phát triển đề tài.

KẾT LUẬN

Bài nghiên cứu “ Các yếu tố ảnh hưởng đến tỷ lệ nợ xấu tại các Ngân hàng

Thương mại Cổ phần Việt Nam ” được thực hiện dựa trên những yêu cầu thực tiễn từ các nhà quản trị ngân hàng TMCP và NHNN

Với mục đích phân tích và đánh giá mức độ ảnh hưởng của các biến vi mô và vĩ mô lên việc gia tăng tỷ lệ nợ xấu tại các ngân hàng TMCP tại Việt Nam giai đoạn 2012-2013, tác giả đã sử dụng cơ sở dữ liệu bảng từ năm 2012 đến năm 2023 của tất cả 24 Ngân hàng thuộc nhóm này Chương 1 của bài nghiên cứu chủ yếu nêu ra bối cảnh và những nội dung cơ bản của đề tài Trong Chương

Ở Chương 2, tác giả trình bày các lý thuyết tài chính liên quan và các nghiên cứu trước về đối tượng nghiên cứu Chương 3 tập trung vào việc xây dựng mô hình, sau đó thực hiện hồi quy và thu thập kết quả mô hình ở Chương 4 Cuối cùng, Chương 5 tổng hợp các phân tích và kết quả từ mô hình để trả lời các câu hỏi nghiên cứu đã đặt ra.

Câu hỏi thứ nhất: Các yếu tố vi mô và vĩ mô có tác động đến tỷ lệ nợ xấu của các Ngân hàng TMCP tại Việt Nam giai đoạn 2012 – 2023?

Kết quả từ mô hình hồi quy và các phân tích ở các chương trước cho thấy có tổng cộng 8 yếu tố tác động đến tỷ lệ nợ xấu của các Ngân hàng TMCP tại Việt Nam giai đoạn 2012 – 2023 Trong đó, các yếu tố vi mô bao gồm: (1) Quy mô ngân hàng, (2) Tỷ lệ lợi nhuận trên VCSH, (3) Tốc độ tăng trưởng tín dụng, (4)

Tỷ lệ sở hữu Nhà nước và (5) Tỷ lệ chi phí hoạt động trên tổng thu nhập Các yếu tố vĩ mô có mối liên hệ đến tỷ lệ nợ xấu gồm: (1) Tốc độ tăng trưởng tổng sản phẩm quốc nội, (2) Chỉ số giá tiêu dùng và (3) Tác động của đại dịch Covid

19 Đối với yếu tố hệ số an toàn vốn đến tỷ lệ nợ xấu của các Ngân hàng TMCP tại Việt Nam giai đoạn 2012-2023, kết quả từ mô hình không cho thấy mối quan hệ trực tiếp của biến này lên đối tượng nghiên cứu của bài luận văn

Câu hỏi thứ hai: Mức độ ảnh hưởng và chiều hướng tác động của các yếu tố vi mô và vĩ mô đến tỷ lệ nợ xấu của các Ngân hàng TMCP tại Việt Nam giai đoạn 2012 – 2023?

Sau khi đã xác định được các yếu tố vi mô và vĩ mô có tác động tới tỷ lệ nợ xấu của các Ngân hàng TMCP tại Việt Nam giai đoạn 2012 – 2023, ngoại trừ yếu tố hệ số an toàn vốn, tác giả tiến hành phân tích mức độ và chiều hướng tác động của các biến độc lập đến biến phụ thuộc Với mức ý nghĩa thống kê 1%, các biến như quy mô ngân hàng, tốc độ tăng trưởng tín dụng, hiệu quả quản lý chi phí và chỉ số giá tiêu dùng và giai đoạn dịch bệnh Covid - 19 có tác động cùng chiều lên tỷ lệ nợ xấu Trong khi đó, tỷ suất sinh lời trên VCSH, sở hữu vốn Nhà nước và tốc độ tăng trưởng tổng sản phẩm quốc nội có tác động ngược chiều đến tỷ lệ nợ xấu

Câu hỏi thứ ba: Những hàm ý chính sách liên quan đến quản trị Ngân hàng của các Ngân hàng tại Việt Nam là gì?

Bằng sự phân tích và nghiên cứu, tác giả rút ra được một số hàm ý chính sách liên quan đến hoạt động quản trị các Ngân hàng tại Việt Nam như các ý được trình bày trong Phần 5.2 Hàm ý quản trị sau đây.

HÀM Ý QUẢN TRỊ

Nhìn chung, nợ xấu là một trong những yếu tố có khả năng gây cản trở hoạt động kinh doanh hiệu quả của ngành ngân hàng nói riêng và hơn nữa là ảnh hưởng bất lợi đến sự phát triển chung của nền kinh tế quốc gia Căn cứ vào kết quả mô hình nghiên cứu cũng như tham khảo và phân tích từ định hướng của NHNN trong thời gian sắp tới, bài viết đưa ra một số đề xuất cho các NHTMCP cũng như chính phủ và NHNN nhằm đảm bảo sự lành mạnh của môi trường hoạt động tín dụng, giữ vững tính tính ổn định trong hoạt động kinh doanh của ngành ngân hàng và cả nền kinh tế

Hiện nay hệ thống NHTMCP Việt Nam với số lượng lớn nhưng đa phần hệ thống quản trị rủi ro kém cùng tình hình tài chính không lành mạnh nên dễ bị tổn thương khi môi trường kinh doanh thay đổi theo hướng bất lợi Bằng chứng rõ ràng nhất là nợ xấu tăng cao sau năm 2008 khi nền kinh tế bị tác động bởi cuộc khủng hoảng kinh tế thế giới Vì vậy, hệ thống NHTMCP cần thực hiện các biện pháp để tránh lặp lại những điều tương tự trong tương lai, cụ thể như sau:

5.2.1 Hàm ý quản trị liên quan đến các yếu tố đặc thù của ngân hàng Đối với yếu tố quy mô ngân hàng: Trong bối cảnh hoạt động chuyển giao công nghệ diễn ra sôi nổi trong thị trường ngân hàng, việc ứng dụng những đổi mới vào hoạt động kinh doanh hàng ngày hoặc mở rộng các kênh phân phối dịch vụ, phát triển các sản phẩm mới có thể góp phần đẩy mạnh nâng cao quy mô của các NHTMCP tại Việt Nam Tuy nhiên, tăng quy mô ngân hàng có thể dẫn đến nhiều nguy cơ về rủi ro tín dụng nếu ngân hàng không có chiến lược quản lý rủi ro tín dụng hiệu quả và cơ cấu quản trị vững chắc Trong quá trình thích ứng với những cải tiến, các phòng ban nội bộ ngân hàng có thể phối hợp cùng nhau thực hiện các chiến lược tái cấu trúc hợp lý Các NHTMCP tại Việt Nam cần lưu ý đến các chỉ tiêu phân loại nợ cũng như yếu tố cảnh báo nợ xấu của các khoản vay, tránh trường hợp tăng quy mô ngân hàng lại kéo theo tăng trưởng các khoản tín dụng nóng với mục tiêu tìm kiếm lợi nhuận tuyệt đối dẫn đến gia tăng rủi ro tín dụng đáng kể Các công cụ liên quan đến hoạt động quản lý rủi ro tín dụng như Basel III, IFRS 9, RAROC,… nên được ưu tiên triển khai nhằm đảm bảo tăng trưởng tín dụng bền vững Đối với yếu tố tỷ suất lợi nhuận ROE: Từ kết quả phân tích thống kê cho thấy tỷ suất sinh lời trên VCSH có tác động ngược chiều lên tỷ lệ nợ xấu tại các ngân hàng TMCP tại Việt Nam do lợi nhuận cao sẽ làm giảm động lực chấp nhận rủi ro của các nhà quản trị ngân hàng Tuy vậy, các hoạt động nhằm tăng lợi nhuận cần được thực hiện một cách bài bản, theo giai đoạn và đúng với mục tiêu phát triển chung của ngân hàng Các ngân hàng cần hạn chế tối đa tình trạng nới lỏng công cụ quản lý rủi ro để tạo điều kiện cho các cấp đơn vị kinh doanh tiếp cận và phê duyệt những khoản vay tín dụng nóng hoặc có tỷ lệ thu hồi thấp nhằm thu được lợi nhuận cao Việc đảm bảo tỷ lệ ROE phát triển bền vững không chỉ nên là trách nhiệm của các Khối Kinh doanh tại ngân hàng mà còn là nhiệm vụ của các Khối Quản lý rủi ro, Tài chính, Kế toán,… và Ban quản trị Các phòng ban cần phối hợp chặt chẽ trong công cuộc xây dựng các mô hình quản lý rủi ro tín dụng và tuân thủ nghiêm ngặt các quy định của ngân hàng nhằm hạn chế tỷ lệ nợ xấu tăng cao Đối với hoạt động tăng trưởng tín dụng: Việc tăng trưởng tín dụng gắn liền mật thiết với hoạt động tăng trưởng của ngân hàng và được các ngân hàng đặc biệt chú trọng Các ngân hàng luôn muốn tín dụng tăng trưởng cao thông qua việc tổ chức các hoạt động thi đua tín dụng cho các CBNV hoặc phát triển các sản phẩm tín dụng mới đáp ứng được nhu cầu tín dụng đa dạng của nhóm khách hàng tiềm năng Chuẩn mực Báo cáo Tài chính Quốc tế IFRS 9, một chuẩn mực yêu cầu các ngân hàng ghi nhận giá trị suy giảm tài sản, áp dụng công cụ kế toán phòng ngừa rủi ro và trích lập dự phòng dựa theo mô hình dự phóng các yếu tố ảnh hưởng đến tổn thất tín dụng trong các kịch bản khác nhau Các NHTMCP cần phát triển và tuyên truyển nội bộ về chiến lược phát triển tín dụng từng thời kỳ cũng như áp dụng chế tài nếu đơn vị kinh doanh gây ra sai phạm trong công tác phòng ngừa rủi ro tín dụng Ngoài ra, hoạt động tăng trưởng tín dụng tại ngân hàng cần đồng hành với các chỉ đạo và khuyến khích của Chính phủ tại các thời điểm Với giai đoạn nền kinh tế đang có chuyển biến hồi phục sau đại dịch Covid-19, các ngân hàng cần có thiện chí hỗ trợ các doanh nghiệp tiếp cận nguồn vốn với lãi suất thấp nhưng vẫn phải cân nhắc tiềm lực tài chính của nhóm khách hàng này và đảm bảo khả năng thu hồi nợ trong kỳ hạn Đối với yếu tố hiệu quả quản lý chi phí: Kết quả nghiên cứu cho thấy hiệu quả quản lý chi phí có mối tương quan cùng chiều với tỷ lệ nợ xấu Điều này cho thấy nếu một ngân hàng có tỷ lệ giữa tổng chi phí so với tổng lợi nhuận mang về càng cao thì tỷ lệ nợ xấu của ngân hàng càng cao Tác giả khuyến nghị các ngân hàng thương mại nên nâng cao công tác quản trị, quản lý, tăng cường theo dõi và kiểm soát chi phí hoạt động hiệu quả bằng nhiều cách khác nhau Thứ nhất, nâng cao công tác xếp hạng tín dụng của khách hàng và phê duyệt quyết định cho vay bằng cách cử các cán bộ ngân hàng trau dồi thêm về nghiệp vụ, về đạo đức trong và ngoài nước điều này có thể làm tăng chi phí trong ngắn hạn, nhưng lại tối ưu chi phí trong dài hạn Thứ hai, ngân hàng nên trọng dụng những cán bộ thẩm định tín dụng có chuyên môn giỏi, bên cạnh đó kết hợp với những công ty thẩm định tài sản uy tín, nhằm hạn chế rủi ro tối đa nợ xấu Thứ ba, các ngân hàng nên kiểm soát chặt chẽ hoạt động cho vay ưu đãi nhằm mục đích thu hút nhiều khách hàng hơn, tuy nhiên nên thận trọng khi thực hiện cho vay ưu đãi theo các Nghị định mà Chính phủ ban hành

5.2.2 Giải pháp liên quan đến các yếu tố vĩ mô Đối với yếu tố chỉ số giá tiêu dùng: "Kết quả nghiên cứu cho thấy chỉ số giá tiêu dùng có mối tương quan cùng chiều với tỷ lệ nợ xấu Kết quả này hoàn toàn hợp lý trong thực tế, chỉ số giá tiêu dùng là thước đo tiêu biểu cho tỷ lệ lạm phát Khi chỉ số giá tiêu dùng tăng cao, tức tỷ lệ lạm phát sẽ tăng cao, dẫn đến giá trị thực của các mức trích lập dự phòng và tài sản đảm bảo của ngân hàng đều bị giảm, dẫn đến các NHTMCP có nguy cơ đối mặt với nhiều rủi ro hơn trong tương lai Nhằm kiểm soát chỉ số giá tiêu dùng ở mức hợp lí, chính phủ nên có thể kết hợp nhiều biện pháp khác nhau như: tác động lên tồng cầu hoặc tác động lên tổng cung."Đối với tác động lên tổng cầu có nhiều chính sách như tăng tiêu dùng, tăng đầu tư, tăng chi tiêu của chính phủ về hàng hoá dịch vụ, tăng xuất khẩu ròng, giảm thuế Hiện nay, Chính phủ đã ban hành Nghị định 94/2023/NĐ-

CP được thống nhất tại Kỳ họp Quốc Hội thứ 6 khoá XV theo Nghị quyết

110/2023/QH15, đã thống nhất về chính sách giảm 2% thuế GTGT năm 2024 áp dụng từ ngày 01/01/2024 đến 30/06/2024 Từ góc độ tổng cầu, chi tiêu chính phủ năm 2024 không nên và không thể được kỳ vọng duy trì ở mức cao như năm

2023, vì khi chi tiêu Chính phủ tăng liên tục trong một thời gian dài, sẽ dẫn đến nhiều rủi ro về nợ công và kiềm hãm sự phát triển của kinh tế tư nhân."Kim ngạch xuất khẩu luôn luôn được duy trì ở mức gấp 1,5 lần hoặc thậm chí 2 lần so với tiêu dùng ở mức nội địa Điều này đem lợi rất nhiều lợi ích, thúc đẩy nên nền kinh tế phát triển, tuy nhiên sẽ khiến nền kinh tế ngày một phụ thuộc nhiều hơn vào thị trường toàn cầu Năm 2023 là minh chứng rõ ràng nhất cho điều này, khi mà chính trị thế giới xảy ra nhiều biến động, sức mua ở nhiều quốc gia trên thế giới giảm mạnh, dẫn đến kim ngạch xuất khẩu của Việt Nam trong năm 2023 giảm 9% so với năm 2022 Do đó, tác giả khuyến nghị Chính phủ nên chú trọng nhiều hơn tại thị trường trong nước, phát triển năng lực của doanh nghiệp trong cung ứng cho hàng hóa, dịch vụ tiêu dùng trong nước, không để mất thị phần về hàng hóa, dịch vụ ngay trên sân nhà sẽ mở rộng tổng cầu cho các doanh nghiệp trong nước Khuyến khích gia tăng đầu tư nhằm phục vụ tốt hơn thị trường hàng hóa, dịch vụ trong nước cũng góp phần tăng tổng cầu, mở rộng dư địa tăng trưởng của nền kinh tế Vào tháng 4/2023, Việt Nam chào đón công dân thứ 100 triệu Đối với các tập đoàn hàng tiêu dùng, họ vui mừng chào đón người tiêu dùng thứ 100 triệu ở thị trường Việt Nam Điều đó cho thấy tầm quan trọng ngày một lớn hơn của tiêu dùng trong nước, của thị trường, của cầu về hàng hóa, dịch vụ trong nước Hay là tác động lên phía tổng cung bằng cách hạn chế các chi phí trung gian bình ổn giá thị trường, kiểm soát giá đối với những dịch vụ, hàng hóa mà nhà nước quản lý Một trong những tác động của lạm phát cao là chính phủ sẽ siết chặt chính sách tiền tệ, dẫn đến việc lãi suất và tỷ lệ dự trữ bắt buộc của NHTMCP tăng cao Điều này khiến cho các NHTMCP phải hạn chế hoặc cẩn trọng hơn trong việc cung cấp tín dụng cho khách hàng, chỉ nên hợp tác với những khách hàng có uy tín cao để tránh rủi ro nợ xấu Đối với tốc độ tăng trưởng GDP: Kết quả nghiên cứu cho thấy tốc độ tăng trưởng GDP có mối tương quan cùng chiều với nợ xấu Trên thực tế, khi nền kinh tế đang trên đà phát triển nhanh chóng thì thu nhập bình quân của các chủ thể trong nền kinh tế cũng tăng, đảm bảo khả năng thanh toán những khoản nợ vay cho NHTMCP Tuy nhiên các NHTMCP cũng nên thận trọng theo dõi chặt chẽ các khoản nợ vay trong giai đoạn này, bởi vì một khi tăng trưởng mạnh thì nhu cầu vay vốn để phục vụ cho các hoạt động kinh doanh trong các lĩnh vực, vay để phục vụ cho tiêu dùng cá nhân cũng được kéo tăng trưởng theo NH có thể mắc sai lầm nếu chủ quan với tính hiệu tăng trưởng này Và vấn đề tăng trưởng tín dụng quá nhiều cũng sẽ dẫn tới rủi ro nếu các chủ thể này không hoàn trả nợ theo đúng thời gian đã cam kết hoặc không thanh toán cho NH thì nợ xấu cũng sẽ tăng lên Ngoài ra nếu GDP tăng trong dài hạn thì có thể dẫn tới tình trạng quản trị quy trình cấp tín dụng tại các NHTMCP không được chặt chẽ cũng tạo cơ hội cho nợ xấu bùng phát trong thời gian tới Chính vì vậy bản thân các NHTMCP nên quán triệt và kiểm soát quy trình cấp tín dụng tại các chi nhánh, phòng giao dịch một cách kĩ càng trong tất cả các giai đoạn của nền kinh tế cho dù là giai đoạn suy thoái hay tăng trưởng không nên chủ quan về vấn đề này Bên cạnh đó yếu tố nội tại về nhân lực cũng là một yếu tố cần quan tâm hơn hết bởi vì chính đội ngũ nhân viên này sẽ là những nhân sự giao thiệp trực tiếp với khách hàng vì vậy cần củng cố năng lực, kỹ năng, sự trung thực, minh bạch cho họ để hạn chế rủi ro ở mức thấp nhất Hơn hết các NHTMCP nên tuân thủ chặt chẽ những chính sách của NHNN để hạn chế rủi ro nợ xấu tăng cao Đối với yếu tố sở hữu nhà nước: Kết quả nghiên cứu cho thấy yếu tố sở hữu nhà nước có mối quan hệ tương quan ngược chiều với tỷ lệ nợ xấu tại các NHTMCP ở Việt Nam Điều này bắt nguồn từ việc các NHTMCP có vốn sở hữu nhà nước thường có lợi thế về mặt quy mô tổ chức, dễ dàng tiếp cận được nguồn vốn ODA cũng như có được uy tín tốt nhờ vào sự đảm bảo của Chính phủ Tuy nhiên, do phụ thuộc vào các yếu tố chính trị và việc nhận được nhiều kỳ vọng trở thành cầu nối của Chính phủ và thị trường tài chính nhằm nâng cao hiệu quả của thị trường, các NHTMCP có vốn Nhà nước thường không cởi mở trong việc đón nhận những đổi mới của thị trường và vẫn ưu tiên triển khai công việc một cách máy móc, ít linh hoạt (Nguyễn Kim Quốc Trung, 2021) Vì lẽ đó, các NHTMCP có vốn sở hữu Nhà nước có thể sẽ ngần ngại khi đưa vào triển khai các bộ chuẩn mực tài chính quốc tế Điển hình như Chuẩn mực Báo cáo Tài chính Quốc tế IFRS 9, một chuẩn mực yêu cầu các ngân hàng ghi nhận giá trị suy giảm tài sản, áp dụng công cụ kế toán phòng ngừa rủi ro và trích lập dự phòng dựa theo mô hình dự phóng các yếu tố ảnh hưởng đến tổn thất tín dụng trong các kịch bản khác nhau Nghiên cứu của Kalista & Novotny-Farkas (2023) cho thấy chuẩn mực này giúp các ngân hàng theo dõi tốt tình trạng của các khoản vay, xác định tỷ lệ trích lập dự phòng và có thể thực hiện việc bán các khoản nợ không còn hoạt động vào thời điểm phù hợp mà không ảnh hưởng đến lợi nhuận thuần của ngân hàng, nhờ đó giảm tỷ lệ nợ xấu tại ngân hàng một cách hiệu quả Thực tiễn cho thấy tại Việt Nam, hầu như các ngân hàng tiên phong áp dụng chuẩn mực IFRS 9 đều là những NHTMCP không thuộc sở hữu Nhà nước như Ngân hàng TMCP Quốc tế (VIB) và Ngân hàng TMCP Kỹ thương Việt Nam (Techcombank) Các NHTM tư nhân nên nắm bắt được các lợi thế hội nhập quốc tế, nguồn năng lực trẻ có nhiều sáng kiến đổi mới, sự phát triển của khoa học kỹ thuật và tính linh hoạt trong tổ chức để hoàn thành và ứng dụng hiệu quả các chuẩn mực tài chính quốc tế trong công tác quản lý cũng như giảm thiểu nợ xấu tại ngân hàng Đối với yếu tố giai đoạn dịch bệnh Covid - 19: Đây là một yếu tố bất khả kháng nằm ngoài khả năng kiểm soát của ngân hàng do phạm vi tác động của đại dịch Covid-19 trải khắp toàn cầu cùng với những chuyển biến khó dự báo, khiến cho việc kiểm soát rủi ro tín dụng ảnh hưởng từ dịch bệnh này trở nên khó khăn Ở thời điểm hiện tại, nền kinh tế Việt Nam đã dần hồi phục sau thời gian dịch bệnh kéo dài Vì thế, nhu cầu tiếp cận nguồn vốn dùng để khôi phục và mở rộng hoạt động kinh doanh của các doanh nghiệp trở nên lớn mạnh NHTM tại Việt Nam có thể tận dụng cơ hội này bằng cách đưa ra các gói tín dụng với lãi suất vay hấp dẫn kèm theo các dịch vụ bán chéo phù hợp với nhóm KHDN này Cùng lúc đó, việc thu hồi các khoản nợ được cơ cấu trong giai đoạn Covid-19 đã đến hạn cũng cần được quan tâm và được thực hiện một cách hiệu quả Trong giai đoạn hồi phục sau Covid-19 này, các NHTM cần giám sát chặt chẽ các yêu cầu về đảm bảo quản lý rủi ro tín dụng tại các đơn vị kinh doanh cũng như trong công tác phê duyệt, thẩm định tại hội sở Ngoài ra, tác động của dịch bệnh Covid-19 cũng có thể được xem như một tiền lệ về yếu tố suy thoái trong việc xây dựng các mô hình quản lý rủi ro nhằm đảm bảo trích lập dự phòng hợp lý, đảm bảo tính thanh khoản ổn định của ngân hàng.

HẠN CHẾ

Đề tài thực hiện với bộ dữ liệu của 24 NHTM có số liệu xuyên suốt trong giai đoạn 2012 – 2023, chưa bao quát được tất cả các NHTM để có kết quả chính xác hơn đối với toàn bộ hệ thống NHTM Việt Nam Mô hình nghiên cứu kiểm định 9 yếu tố, và có 8 yếu tố có ý nghĩa, trong khi còn nhiều yếu tố khác có tác động đến nợ xấu nhưng chưa được đưa vào mô hình như: tỷ giá hối đoái, tỷ lệ thất nghiệp, tỷ suất sinh lời trên tổng tài sản… Vì vậy, có thể thấy các biến độc lập trong mô hình nghiên cứu có thể chưa phản ánh toàn bộ các nguyên nhân dẫn đến nợ xấu của hệ thống NHTM.

NGHIÊN CỨU TRONG TƯƠNG LAI

Để nghiên cứu về đề tài các yếu tố tác động đến nợ xấu của các NHTM CP Việt Nam được hoàn thiện và mang ý nghĩa thực tiễn cao hơn tác giả kiến nghị về phương hướng phát triển tiếp theo của đề tài như sau:

Thứ nhất, nghiên cứu có thể mở rộng không gian nghiên cứu bằng cách bổ sung thêm nhóm ngân hàng có 100% vốn đầu tư nước ngoài và ngân hàng liên doanh góp phần tăng tinh chính xác, xác thực và hiệu quả của kết quả nghiên cứu

Thứ hai, tạo sự đa dạng cho các nghiên cứu cùng chủ đề có liên quan đến sự tác động đến nền kinh tế Việt Nam, mang tính chất tham khảo, có thể cập nhật thêm các yếu tố khác tác động đến nợ xấu như lãi suất cơ bản, tỷ giá hối đoái, nợ công, tỷ lệ thất nghiệp, lượng cung tiền,…

Thứ ba, số lượng ngân hàng sẽ gia tăng lên hơn 24 ngân hàng hoặc có thể mở rộng phạm vi ra ngoài lãnh thổ Việt Nam, có thể là trong khu vực Đông Nam Á Điều này không chỉ làm tăng tính thuyết phục cho mô hình hồi quy mà còn mang lại hiệu quả cao cho việc phân tích những tác nhân có tác động đến nợ xấu của các NHTM ở trong và ngoài nước

Căn cứ vào kết quả nghiên cứu thu được ở Chương 4, trong Chương 5, luận văn cung cấp một số khuyến nghị và giải pháp nhằm cải thiện tình trạng nợ xấu của các NHTM tại Việt Nam Kết quả nghiên cứu của tác giả còn tồn tại một số hạn chế và tác giả cũng đã đưa ra hướng nghiên cứu tiếp theo để hoàn thiện hơn

Trong nghiên cứu của Đặng Thị Ngọc Lan (2019), tác giả đã phân tích các yếu tố kinh tế vĩ mô ảnh hưởng đến nợ xấu của hệ thống ngân hàng tại các nước khu vực Châu Á Thái Bình Dương Nghiên cứu đã xác định được các yếu tố kinh tế vĩ mô quan trọng như lạm phát, tăng trưởng GDP, tỷ giá hối đoái và nợ công có tác động đáng kể đến nợ xấu ngân hàng Nghiên cứu này góp phần làm rõ mối quan hệ giữa các yếu tố kinh tế vĩ mô và sức khỏe tài chính của hệ thống ngân hàng, qua đó cung cấp cái nhìn sâu sắc cho các nhà hoạch định chính sách trong việc quản lý nợ xấu và duy trì sự ổn định của hệ thống tài chính.

Tài chính-Marketing, (49), 50-61 Đỗ Quỳnh Anh và Nguyễn Đức Hùng (2013) Phân tích thực tiễn về những yếu tố quyết định đến nợ xấu tại các ngân hàng thương mại Việt Nam [Practical analysis of the determinants of bad debt in Vietnamese commercial banks] Hội thảo khoa học: Seminar Nghiên cứu Kinh tế và Chính sách số

Nguyễn Thị Hồng Vinh (2015) Yếu tố tác động đến nợ xấu các ngân hàng thương mại Việt Nam Tạp chí Phát triển kinh tế

Nghiên cứu của Nguyễn Thị Hồng Vinh và Nguyễn Minh Sáng (2019) đã đánh giá tác động của các yếu tố kinh tế vĩ mô và đặc thù ngân hàng đến chất lượng tài sản của các ngân hàng thương mại Đông Nam Á Kết quả cho thấy tăng trưởng kinh tế, lạm phát và tỷ giá có tác động đáng kể đến nợ xấu Về đặc thù ngân hàng, tỷ lệ vốn chủ sở hữu trên tổng tài sản, tỷ lệ cho vay trên tiền gửi và tỷ lệ chi phí trên thu nhập có ảnh hưởng tiêu cực đến nợ xấu Ngược lại, tỷ lệ nhân viên trên tổng tài sản có tác động tích cực đến chất lượng tài sản.

Nguyễn Tuấn Kiệt và Đinh Hùng Phú (2016) Các yếu tố vĩ mô và vi mô tác động đến nợ xấu của hệ thống ngân hàng Việt Nam Tạp chí Kinh tế và Phát triển, 229, 9-16

Phạm Nguyễn Phương Thảo và Nguyễn Linh Đan (2018) Các yếu tố ảnh hưởng đến tỷ lệ nợ xấu của các ngân hàng thương mại cổ phần Việt Nam Tạp chí Chính Sách & Thị trường Tài chính-Tiền tệ, 194, 1-10

Phạm Xuân Quỳnh (2017) Các yếu tố tác động đến tăng trưởng tín dụng của các ngân hàng thương mại Việt Nam giai đoạn 2007–2015 Tạp chí Khoa học Đại học Đồng Tháp, (28), 40-47.”

Trần Trọng Phong., Trần Văn Bằng., & Nguyễn Song Phương (2015) Các nhân tố ảnh hưởng đến nợ xấu tại các ngân hàng thương mại Việt Nam Tạp chí

Kinh tế và Phát triển, 216, 54-60

AEG (2014) Non-performing loans Advisory Expert Group Meeting

Afriyanto, F., Purnamawati, H., & Sukiman, I (2021) The effect of capital adequacy ratio (car) and loan to deposit ratio (LDR) on non performing loan

Ahmad, F (2013) Ownership structure and non-performing loans: Evidence from Pakistan Asian Journal of Finance & Accounting, 5(2), 268

Ahmad, F., & Bashir, T (2013) Explanatory power of macroeconomic variables as determinants of non-performing loans: Evidence from Pakistan World Applied Sciences Journal, 22(2), 243-255

Ahmed, A S., Kilic, E., & Lobo, G J (2006) Does recognition versus disclosure matter? Evidence from value-relevance of banks ‘recognized and disclosed derivative financial instruments The Accounting Review, 81(3), 567-

Antony, T M., & Suresh, G (2023) Determinants Of Credit Risk: Empirical Evidence From Indian Commercial Banks Banks and Bank Systems, 18(2), 88-100

Badar, M., Javid, A Y., & Zulfiquar, S (2013) Impact of macroeconomic forces on nonperforming loans: An empirical study of commercial banks in Pakistan wseas Transactions on Business and Economics, 10(1), 40-48

Berger, A N., & DeYoung, R (1997) Problem loans and cost efficiency in commercial banks Journal of Banking & Finance, 21(6), 849-870

Berger, A N., & Humphrey, D B (1992) Measurement and efficiency issues in commercial banking In Output measurement in the service sectors (pp 245-300) University of Chicago Press

Boyd, J H., & Gertler, M (1994) The role of large banks in the recent US banking crisis Federal Reserve Bank of Minneapolis Quarterly Review, 18(1),

Demirgỹỗ-Kunt, A., & Huizinga, H (1999) Determinants of commercial bank interest margins and profitability: some international evidence The World

Duong, K D., Vu, D N., Le, K D., & Van Nguyen, D (2022) Do political connections and bank funding diversity increase non-performing loans: New

Drukker, D M (2003) Testing for serial correlation in linear panel-data models The stata journal, 3(2), 168-177

Fofack, H (2005) Nonperforming loans in Sub-Saharan Africa: causal analysis and macroeconomic implications (Vol 3769) World Bank

George, A (1970) The market for lemons: Quality uncertainty and the market mechanism

IMF (2006) Financial Soundness Indicators Compilation Guide

Kalista, M., & Novotny-Farkas, Z (2023) Have Your Cake and Eat It: The Effect of the IFRS 9 Transition on Non-Performing Loan Sales Available at

Kanagaretnam, K., Lobo, G J and Mathieu, R 2003, Managerial incentives for income smoothing through bank loan loss provisions, Review of quantitative finance and accounting, 20, 63-80

Keeton, W R (1999) Does faster loan growth lead to higher loan losses? Economic review- Federal reserve bank of Kansas City, 84(2), 57

Keeton, W R., & Morris, C S (1987) Why do banks’ loan losses differ Economic review, 72(5), 3-21

Klein, B H (2013) Dynamic economics InDynamic Economics

Kryzanowski, L., Liu, J., & Zhang, J (2023) Effect of COVID-19 on non- performing loans in China Finance Research Letters, 52, 103372

Kwambai, K D., & Wandera, M (2013) Effects of credit information sharing on non-performing loans: the case of Kenya, commercial bank Kenya

Laurin, A., & Majnoni, G (2003) Bank loan classification and provisioning practices in selected developed and emerging countries (No 1) World Bank

Publications determinants of non-performing mortgage, business and consumer loans in Greece: A dynamic panel data study In International Conference on Applied Economics–ICOAE (pp 479-487)

Makri, V., Tsagkanos, A., & Bellas, A (2014) Determinants of non- performing loans: The case of Eurozone Panoeconomicus, 61(2), 193-206 Messai, A S and Jouini, F 2013, Micro and Macro Determinants of Non- performing Loans, ResearchGate, vol 3, no 4, pp 852-860

Mohanty, A R., Das, B R., & Kumar, S (2018) Determinants of non- performing loans in India: A system GMM panel approach Prajnan, 47(1), 37-

Nir Klein 2013, Non-Performing Loans in CESEE: Determinants and Impact on Macroeconomic Performance, International Monetary Fund, pp 13-

Paul, A S., William, D N (1948) Kinh tế học NXB Thống Kê Tái bản năm 2002

Salas, V., & Saurina, J (2002) Credit risk in two institutional regimes: Spanish commercial and savings banks Journal of Financial Services

Stern, G H., & Feldman, R J (2004) Too big to fail: The hazards of bank bailouts Rowman & Littlefield

Tabachnick, B G., & Fidell, L S (2007) Experimental designs using ANOVA (Vol 724) Belmont, CA: Thomson/Brooks/Cole

Wood, A., & Skinner, N (2018) Determinants of non-performing loans: evidence from commercial banks in Barbados The Business & Management

Wooldridge, J M (2002) Econometric analysis of cross section and panel data MIT press Cambridge, ma, 108(2), 245-254 determinants and impact of covid-19: Case of Bosnia and Herzegovina Journal of Central Banking Theory and Practice, 10(3), 5-22.”

Asset Quality of Vietnamese Consumer Finance to Remain Under Pressure Truy cập tại < https://www.fitchratings.com/research/non-bank-financial- institutions/asset-quality-of-vietnamese-consumer-finance-to-remain-under- pressure-23-08-

2023#:~:text=Asset%20Quality%20of%20Vietnamese%20Consumer%20Finan ce%20to%20Remain%20Under%20Pressure,-

Wed%2023%20Aug&text=Fitch%20Ratings%2DSingapore%2D23%20August, wilful%20defaults%2C%20says%20Fitch%20Ratings > ngày 03/04/2024 Đan Thuần & Tuyết Mai, 2024 Vụ Vạn Thịnh Phát: Ngân hàng SCB nói bị thiệt hại 764.000 tỉ đồng Truy cập tại < https://tuoitre.vn/vu-van-thinh-phat- ngan-hang-scb-noi-bi-thiet-hai-764-000-ti-dong-20240314163147444.htm > ngày 04/05/2024

Hoàng Lan (2024) Cảnh báo nợ xấu nội bảng toàn hệ thống là 4,55% và tỷ lệ tín dụng/GDP khoảng 133% Truy cập tại ngày 10/04/2024

Tiêu đề	Các yếu tố ảnh hưởng đến tỷ lệ nợ xấu tại các ngân hàng thương mại cổ phần Việt Nam
Tác giả	Trịnh Thành Đạt
Người hướng dẫn	TS. Đỗ Thị Hà Thương
Trường học	Trường Đại học Ngân hàng Thành phố Hồ Chí Minh
Chuyên ngành	Tài chính – Ngân hàng
Thể loại	Luận văn Thạc sĩ
Năm xuất bản	2024
Thành phố	Thành phố Hồ Chí Minh

Định dạng
Số trang	109
Dung lượng	1,16 MB