Nhân tố ảnh hưởng đến rủi ro tín dụng tại các NHTM Việt Nam

TÓM TẮT LUẬN VĂN Đề tài: “Nhân tố ảnh hưởng đến rủi ro tín dụng tại các NHTM Việt Nam.” Luận văn này tập trung phân tích các nhân tố ảnh hưởng tới rủi ro tín dụng RRTD của các Ngân hàng Nhân tố ảnh hưởng đến rủi ro tín dụng tại các NHTM Việt NamNhân tố ảnh hưởng đến rủi ro tín dụng tại các NHTM Việt NamNhân tố ảnh hưởng đến rủi ro tín dụng tại các NHTM Việt NamNhân tố ảnh hưởng đến rủi ro tín dụng tại các NHTM Việt Nam

GIỚI THIỆU VỀ NGHIÊN CỨU

Lý do chọn đề tài

Thị trường tín dụng Việt Nam phát triển mạnh mẽ, dẫn tới sự hình thành và phát triển thị trường tín dụng Tuy nhiên, bên cạnh lợi ích, thị trường tín dụng cũng tiềm ẩn nhiều rủi ro, điển hình là rủi ro cấp tín dụng, rủi ro khả năng trả nợ của khách hàng, rủi ro biến động thị trường và rủi ro quản lý trong hoạt động cho vay Việc đánh giá và kiểm soát hiệu quả những rủi ro này là rất quan trọng, nếu không sẽ gây hậu quả nặng nề cho các ngân hàng, thậm chí gây ảnh hưởng đến toàn bộ hệ thống tài chính và sự ổn định kinh tế.

Nhằm hạn chế RRTD và đảm bảo sự ổn định của hệ thống tài chính, các NHTM cần áp dụng những biện pháp quản lý rủi ro một cách nghiêm ngặt và hiệu quả Điều này bao gồm quản lý tín dụng cẩn thận và chính sách vay cẩn trọng, xây dựng các hệ thống kiểm soát nội bộ, cũng như việc thực hiện các quy định pháp lý và tiêu chuẩn quốc tế về quản lý RRTD Nhìn chung, thị trường tín dụng có ý nghĩa then chốt đối với sự ổn định và tăng trưởng kinh tế của mỗi đất nước Sự lớn mạnh của thị trường này tạo điều kiện thuận lợi cho các hoạt động kinh doanh sản xuất, góp phần nâng cao năng suất và hiệu quả nền kinh tế Đồng thời, thị trường tín dụng phát triển cũng giúp củng cố hệ thống tài chính, tăng cường khả năng huy động và phân bổ vốn hiệu quả Tuy nhiên, để đảm bảo rằng sự phát triển này là bền vững và an toàn, các NHTM cần phải đảm bảo rằng họ hiểu và quản lý các RRTD một cách chặt chẽ và hiệu quả

Theo số liệu của NHNN, tốc độ TTTD của các NHTM Việt Nam giai đoạn 2014-

2019 duy trì ở mức khá cao, dao động từ 13,65% đến 18,25% mỗi năm, cao hơn nhiều lần so với tốc độ tăng GDP cùng thời kỳ (Đào Minh Tú, 2024) Tuy nhiên, TTTD có xu hướng giảm dần trong giai đoạn 2018-2019, lần lượt chỉ đạt 13,89% và 13,65% do các quy định siết chặt tín dụng của NHNN nhằm đảm bảo an toàn hệ thống (Đào Minh Tú, 2024) Năm 2022, tín dụng toàn hệ thống ngân hàng tăng 14,24%, thấp hơn chỉ tiêu định hướng 14-15% đề ra từ đầu năm do khả năng hấp thụ vốn của nền kinh tế suy giảm trong bối cảnh kinh tế đối mặt với nhiều khó khăn (Đào Minh Tú, 2024) Sang năm 2023, NHNN đặt mục tiêu TTTD khoảng 14%, có điều chỉnh phù hợp với diễn biến thực tế (Phương Chi, 2022) Bất chấp những tác động tiêu cực của đại dịch Covid-19 và tình hình kinh tế đầy thách thức, ngành ngân hàng Việt Nam vẫn ghi nhận tốc độ TTTD ấn tượng trong thời gian gần đây Sự mở rộng tín dụng này đóng vai trò không nhỏ trong việc hỗ trợ các hoạt động kinh tế, qua đó góp phần vào sự phát triển chung của đất nước Điều này cho thấy sức chống chịu và khả năng thích nghi đáng kể của hệ thống ngân hàng trước những khó khăn do đại dịch gây ra

Tuy nhiên, bên cạnh những tín hiệu tích cực, vẫn còn nhiều thách thức trong hoạt động cho vay tín dụng của các NHTM Nợ xấu tiềm ẩn vẫn là rủi ro cao, đặc biệt là trong bối cảnh phức tạp của diễn biến đại dịch COVID-19 vẫn còn hiện hữu Trong bối cảnh cạnh tranh ngày càng khốc liệt giữa các NHTM, việc tăng cường khả năng cạnh tranh và nâng cao chất lượng dịch vụ trở thành yêu cầu bắt buộc Các NHTM cần không ngừng hoàn thiện và đổi mới sản phẩm - dịch vụ, đồng thời cải tiến quy trình hoạt động để phục vụ nhu cầu ngày càng tăng của khách hàng Chỉ bằng cách đầu tư vào năng lực cạnh tranh và chất lượng dịch vụ, các NHTM mới có thể duy trì vị thế và phát triển bền vững trên thị trường Nhìn chung, đã có những bước phát triển mạnh mẽ về quy mô cho vay tín dụng tại các NHTM Việt Nam trong giai đoạn từ năm 2012 đến 2023 Tuy nhiên, để duy trì đà tăng trưởng bền vững và đảm bảo an toàn hoạt động, các NHTM cần tiếp tục cải thiện năng lực quản trị rủi ro cũng như chất lượng dịch vụ

Khi tăng cường hoạt động tín dụng của các ngân hàng, điều này cho thấy quy mô nợ vay cũng gia tăng đáng kể Xu hướng này kéo theo nguy cơ RRTD gia tăng cho toàn bộ hệ thống ngân hàng Nhằm đối phó với tình hình này, trích lập dự phòng rủi ro, ngân hàng buộc phải tăng cường, qua đó làm lợi nhuận suy giảm Việc phải dành một phần lớn nguồn lực tài chính cho dự phòng rủi ro không chỉ tác động trực tiếp tới hiệu quả kinh doanh của từng ngân hàng, mà còn tiềm ẩn nguy cơ đối với sự ổn định và phát triển bền vững của ngành ngân hàng Nếu việc trích lập này vượt quá mức cho phép, có thể gây tổn thất lớn cho các ngân hàng Ví dụ, năm 2020 NHNN đã đặt ra mục tiêu tỷ lệ xử lý nợ xấu của toàn hệ thống ở mức 3% trong điều kiện kinh tế vĩ mô ổn định Tuy nhiên, dịch bùng phát trong quý I/2020 đã gây ra các tác động tiêu cực tới nền kinh tế và làm cho các ngân hàng phải thay đổi kịch bản đối phó với Covid-19 từ tích cực sang tiêu cực Những tác động mạnh này đã làm cho việc xử lý nợ xấu trở nên khó khăn và tỷ lệ nợ xấu tại nhiều ngân hàng có xu hướng gia tăng

Trong bối cảnh ngân hàng phải đối mặt với nhiều biến động, việc đánh giá mức độ đảm bảo của khoản vay trở nên vô cùng quan trọng trong việc kiểm soát rủi ro tín dụng (RRTD) Tín dụng có tài sản đảm bảo được coi là phương thức cho vay ít RRTD nhất do chúng có cơ sở bảo đảm như cầm cố, thế chấp Khi khách hàng gặp rủi ro trong kinh doanh, việc thế chấp tài sản để vay vốn sẽ giúp hạn chế rủi ro cho cả ngân hàng và khách hàng Do đó, việc tìm giải pháp giảm thiểu RRTD tại ngân hàng trở thành yêu cầu cấp thiết, đặc biệt trong bối cảnh hiện nay.

Trong hoạt động cho vay, NHTMVN phải đối mặt với nhiều rủi ro liên quan đến việc xác định khách hàng, quản lý và giám sát khoản vay Để hiểu rõ hơn các yếu tố ảnh hưởng đến rủi ro trong hoạt động này, nghiên cứu này sẽ điểm qua các nhân tố chính góp phần vào việc xác lập và quản lý rủi ro của NHTM Việt Nam

Tại ngân hàng các NHTM hiện nay, công tác cho vay còn nhiều bất cập như trong hoạt động cho vay thế chấp, việc bộ phận quan hệ khách hàng vừa phụ trách thẩm định tài sản thế chấp, vừa thực hiện cấp tín dụng nên khoản vay chưa khách quan hoàn toàn Còn đối với hoạt động cho vay tín chấp các ngân hàng thường áp đặt các yêu cầu tiêu chuẩn nghiêm ngặt để được duyệt cho vay tín chấp Vì không có sự đảm bảo từ tài sản, rủi ro nợ xấu trong việc cho vay tín chấp là rất cao Ngoài ra, tổ chức cho vay thường áp đặt giới hạn số tiền tối đa mà người vay có thể nhận được

Qua nhiều nghiên cứu trong và ngoài nước, các yếu tố kinh tế vĩ mô có ảnh hưởng đáng kể đến tỷ lệ nợ xấu (RRTD) Nghiên cứu của Cortés và Soriano (2024) chỉ ra rằng RRTD bền vững hơn khi: tỷ lệ nợ xấu trước đó thấp, GDP thực tế cao, giá nhà và thị trường chứng khoán tăng Tác động của GDP đến RRTD lớn hơn đối với thế chấp Nghiên cứu này nhấn mạnh vai trò quan trọng của các yếu tố kinh tế vĩ mô trong việc xác định RRTD.

Pancotto và cộng sự (2024) tìm hiểu các yếu tố tác động tới các khoản cho vay không hiệu quả (NPL) trong lĩnh vực ngân hàng Ý từ năm 2011 đến năm 2017 Bằng việc áp dụng kỹ thuật phân tích dữ liệu bảng động và đưa vào mô hình cả các yếu tố kinh tế vĩ mô lẫn đặc điểm riêng của từng ngân hàng, nghiên cứu đã làm rõ tính chất đa chiều của vấn đề nợ xấu tại Ý Kết quả cho thấy, các ngân hàng có mức vốn hóa cao hơn thường có xu hướng ghi nhận tỷ lệ nợ xấu thấp hơn Điều này gợi ý rằng việc duy trì nguồn vốn dồi dào có thể giúp các ngân hàng tăng cường khả năng chống chịu trước RRTD và kiểm soát hiệu quả hơn tình trạng nợ xấu Ngoài ra, nghiên cứu còn chỉ ra mối quan hệ ngược chiều giữa TTTD và nợ xấu, cho thấy kết quả tiềm tàng của việc mở rộng tín dụng theo nhu cầu

Lê Bá Trực (2018) tìm hiểu về các yếu tố ảnh hưởng đến quản lý RRTD trong hệ thống NHTM Việt Nam, nghiên cứu đã chỉ ra rằng có một số yếu tố cần được xem xét cẩn thận đối với quản lý RRTD trong hệ thống này Cụ thể, các yếu tố như chính sách và quy trình, công nghệ thông tin, nhân viên, khách hàng và môi trường kinh doanh đều đóng vai trò quan trọng trong việc xác định rủi ro, ròng rọc, tiền gửi và tín dụng trong hoạt động của ngân hàng

Những nghiên cứu gần đây (Bùi Hữu Phước và cộng sự, 2017; Bùi Văn Thế, 2020; Phạm Thị Thảo My, 2020; Phạm Trân Châu, 2023; Phong và cộng sự, 2020; Võ Hữu Huy Hoàng, 2023) về các yếu tố ảnh hưởng đến RRTD đã tập trung vào các NHTM cụ thể như Phương Đông, Nông nghiệp và Phát triển Nông thôn Việt Nam, Việt Nam Thương tín, v.v Những nghiên cứu này đã xác định rằng, dù có những yếu tố bên ngoài và nội tại của ngân hàng ảnh hưởng đến RRTD, tác động của đại dịch COVID-19 đã làm nổi bật sự cần thiết của việc nghiên cứu và tập trung vào các yếu tố này

Có thể thấy, từ sự bất cập trong hoạt động cho vay, chưa có sự nhất quán về các yếu tố tác động, nên việc nghiên cứu và tập trung vào làm rõ các yếu tố ảnh hưởng đến rủi ro trong hoạt động cho vay tại các NHTM Việt Nam và đưa ra các kiến nghị nhằm nâng cao hiệu quả hoạt động cho vay là cực kỳ cần thiết Do đó, đề tài “Nhân tố ảnh hưởng đến RRTD tại các NHTM Việt Nam” đã được chọn làm đề tài luận văn thạc sĩ của tác giả.

Mục tiêu của đề tài

Mục tiêu chính của luận văn này là xác định và phân tích các yếu tố ảnh hưởng đến RRTD trong hệ thống NHTM Việt Nam Từ đó, dựa trên kết quả nghiên cứu, luận văn sẽ đề xuất các giải pháp đối với NHTM Việt Nam và NHNN Việt Nam

Luận văn có các mục tiêu cụ thể như sau:

Thứ nhất, xác định các yếu tố gây ảnh hưởng đến tình trạng RRTD trong hệ thống NHTM (NHTM) Việt Nam

Thứ hai, xem xét mức độ ảnh hưởng của các yếu tố này lên tình trạng RRTD trong hệ thống NHTM Việt Nam

Thứ ba, dựa trên kết quả đạt được của luận văn, tác giả đề xuất và đưa ra các kiến nghị nhằm cải thiện RRTD tại các NHTM Việt Nam.

Câu hỏi nghiên cứu

Để giải quyết các mục tiêu cụ thể cần đặt ra các câu hỏi sau:

Thứ nhất, yếu tố nào ảnh hưởng tới RRTD của các NHTM Việt Nam?

Thứ hai, chiều hướng và mức độ ảnh hưởng của các yếu tố đó đến RRTD tại các NHTM Việt Nam như thế nào?

Thứ ba, từ kết quả nghiên cứu, giải pháp nào để hạn chế RRTD tại các NHTM

Đối tượng và phạm vi nghiên cứu

1.4.1 Đối tượng nghiên cứu Đề tài luận văn này tập trung vào việc phân tích và đánh giá các yếu tố ảnh hưởng đến RRTD của hệ thống NHTM tại Việt Nam Nghiên cứu sẽ xem xét cả những nhân tố bên ngoài liên quan đến môi trường kinh tế vĩ mô, cũng như các yếu tố bên trong đặc thù của mỗi ngân hàng

Luận văn này khai thác dữ liệu thứ cấp từ báo cáo tài chính của 22 ngân hàng thương mại Việt Nam (danh sách chi tiết trong Phụ lục 1) Bên cạnh đó, các chỉ số kinh tế vĩ mô hàng năm được tổng hợp từ hai nguồn chính là Tổng cục Thống kê Việt Nam và Quỹ Tiền tệ Quốc tế (IMF) Việc sử dụng kết hợp dữ liệu từ báo cáo tài chính ngân hàng và các chỉ số kinh tế vĩ mô giúp tạo nên một bộ dữ liệu toàn diện và đa chiều, làm nền tảng vững chắc cho các phân tích và đánh giá trong nghiên cứu Phạm vi thời gian nghiên cứu của luận văn là từ năm 2012 đến năm 2023.

Đóng góp của đề tài

Luận văn này nhằm mục đích tìm hiểu sâu về các yếu tố ảnh hưởng đến RRTD trong hệ thống NHTM Việt Nam và đánh giá mức độ tác động của chúng Với những kết quả đạt được, tác giả sẽ đưa ra những giải pháp kiến nghị cụ thể và khả thi, góp phần kiểm soát và giảm thiểu RRTD cho các NHTM trong nước Qua đó, luận văn này không chỉ có ý nghĩa học thuật mà còn mang tính ứng dụng cao, hỗ trợ các cấp quản lý và hoạch định chính sách đưa ra các quyết định đúng đắn nhằm giúp ngành ngân hàng nâng cao sức khỏe tài chính

Trên phương diện lý thuyết, nghiên cứu này góp phần bổ sung các minh chứng thực tế về sự ảnh hưởng của nhiều nhân tố khác nhau lên RRTD trong hoạt động của các NHTM Bằng cách làm rõ các yếu tố tác động tới RRTD và sử dụng thông tin mới nhất, đề tài hỗ trợ làm rõ hơn các mối quan hệ giữa các yếu tố này và RRTD trong lĩnh vực ngân hàng tại Việt Nam

Luận văn sử dụng dữ liệu thứ cấp từ các Báo cáo tài chính của 22 NHTM Việt

Nam, một nguồn thông tin đáng tin cậy và phản ánh rõ ràng về hoạt động tài chính của các ngân hàng trong nhiều năm Việc sử dụng dữ liệu này cung cấp một cái nhìn toàn diện về tình hình tài chính và rủi ro của NHTM Việt Nam trong thời gian từ năm 2012 đến năm 2023

Về mặt thực tiễn, đề tài trình bày thực trạng của các yếu tố khác nhau đến RRTD tại NHTM Việt Nam Tác giả thu thập dữ liệu và thông tin từ nhiều nguồn khác nhau, bao gồm các cuộc thử nghiệm, nghiên cứu, và phân tích chi tiết về sự ảnh hưởng của các yếu tố vào RRTD Dựa trên kết quả phân tích, luận văn đã xác định mức độ tác động đến RRTD của từng yếu tố, đánh giá các yếu tố có tác động lớn nhất và tiềm năng gây tổn thất cao cho ngân hàng Qua đó, đề xuất các chính sách quản lý rủi ro hiệu quả nhằm giảm thiểu hoặc kiểm soát RRTD.

Kết cấu của luận văn

Luận văn có kết cấu gồm 05 chương và nội dung của mỗi chương như sau:

Chương 1: Giới thiệu về nghiên cứu

Chương này sẽ trình bày chi tiết về sự cần thiết và lý do tác giả lựa chọn đề tài nghiên cứu Bên cạnh đó, mục tiêu tổng quát và cụ thể của đề tài cũng sẽ được làm rõ, cùng với việc xác định các câu hỏi nghiên cứu trọng tâm Tác giả cũng sẽ phân tích kỹ về phạm vi và đối tượng nghiên cứu Cuối cùng, một số kết quả chính của đề tài sẽ được chia sẻ, cho thấy những đóng góp và ý nghĩa của công trình nghiên cứu này.

CƠ SỞ LÝ THUYẾT VÀ TỔNG QUAN NGHIÊN CỨU

Cơ sở lý luận về rủi ro tín dụng

2.1.1 Khái niệm rủi ro tín dụng

Quản lý ngân hàng, từ góc độ lý thuyết tài chính, thường được thừa nhận là liên quan đến việc quản lý bốn rủi ro chính trong bảng cân đối kế toán: rủi ro thanh khoản, rủi ro lãi suất, rủi ro vốn và RRTD (Hempel et al, 1989) Trong số này, RRTD thường được xác định là rủi ro chính xét về ảnh hưởng của nó đến hiệu quả hoạt động của ngân hàng (Sinkey, 1992) và phá sản ngân hàng (Spadaford, 1988)

Mặc dù RRTD có nhiều định nghĩa khác nhau nhưng trong nghiên cứu này, có thể định nghĩa nó là rủi ro mất mát tài chính (phát sinh trực tiếp hoặc gián tiếp từ việc Bên đi vay mất khả năng thanh toán hoặc không trả được nợ đúng hạn theo thỏa thuận Điều này có nghĩa là có RRTD nếu ngân hàng không thể thu được toàn bộ số tiền gốc, toàn bộ tiền lãi hoặc cả hai, hoặc nếu người vay không thanh toán khoản vay đúng hạn

RRTD là tình trạng khách hàng mất khả năng đáp ứng các nghĩa vụ tài chính theo cam kết, bao gồm chậm trả lãi và chậm trả gốc đúng hạn như quy định trong hợp đồng tín dụng Điều này gây ra vấn đề về dòng tiền và thanh khoản của ngân hàng (Nguyễn Văn Tiến và Phạm Hữu Hồng Thái, 2014).

RRTD là khả năng người đi vay không thể trả lãi hoặc hoàn trả nguyên tắc trước hạn theo hợp đồng cho vay Điều này làm cho tính thanh khoản của ngân hàng bị ảnh hưởng và tạo ra các vấn đề về dòng tiền (Nguyễn Văn Tiến, 2010)

Theo Timothy W Koch (1988), RRTD phát sinh khi khách hàng không thực hiện được, tức là khi khách hàng không trả lãi và gốc RRTD là khả năng khách hàng không trả được nợ hoặc vỡ nợ có thể gây ra sự thay đổi trong thu nhập ròng và vốn hóa thị trường

RRTD được Saunders và Lange (1999) định nghĩa là tổn thất có thể xảy ra khi ngân hàng mở rộng tín dụng cho khách hàng, hoặc khả năng xảy ra các dòng thu nhập được dự đoán không thể hoàn trả cả về số lượng và thời gian

Theo đề án tái cơ cấu tổ chức tín dụng giai đoạn 2011-2015 theo Quyết định số 254/QĐ-TTG ngày 01/03/2012 của Thủ tướng Chính phủ có hiệu lực, RRTD của các NHTM Việt Nam đã trở thành vấn đề đặc biệt được quan tâm trong xã hội

Theo Ủy ban Basel về Giám sát Ngân hàng (2007), việc người đi vay không thanh toán khoản vay kịp thời là RRTD Tổn thất dự kiến đo lường RRTD và tạo nền tảng cho việc trích lập dự phòng (Basel của Ủy ban Giám sát Ngân hàng 2004)

Theo Laeven Majnoni (2002), RRTD là tỷ lệ dự phòng rủi ro cho một khoản vay chia cho tổng tài sản của ngân hàng Hiện tại không có sự thống nhất giữa các học giả về cách tính toán RRTD Ông cho rằng phần lớn tổng tài sản bao gồm số dư cho vay, do đó rủi ro có thể được xác định trực tiếp từ tổng giá trị tài sản Ông cho rằng, thay vì chỉ số tiền vay, toàn bộ tài sản của ngân hàng phải chịu tổn thất khi RRTD phát sinh Trong một nghiên cứu khác của Jemenez và Saurian (2006), nhà nghiên cứu phải thu thập đủ dữ liệu để sử dụng phương pháp chia tỷ lệ nợ xấu cho toàn bộ dư nợ để xác định RRTD Các kết quả nghiên cứu đáng tin cậy đã được thực hiện kiểm định nợ xấu của các ngân hàng mới nổi Hai phương pháp đề cập ở trên đã được tích hợp trong nghiên cứu của Hess và cộng sự (2008) để xác định RRTD

Những người đi vay thông thường không gặp RRTD trong năm đầu tiên đi vay, nhưng các khoản dự phòng được trích lập cho các khoản vay rủi ro từ những năm trước đó Do đó, việc so sánh các khoản dự phòng với dư nợ cùng năm để đánh giá rủi ro là không phù hợp Vì vậy trong bài nghiên cứu này RRTD được xác định bằng cách chia số dư tín dụng từ năm t-1 cho số khoản dự phòng trong năm t Phương pháp này tính đến việc trích lập dự phòng cho các rủi ro tiềm ẩn trong từng khoản cho vay cụ thể, giúp phản ánh RRTD một cách chính xác hơn Đây cũng là một cách tiếp cận phù hợp để đánh giá RRTD dựa trên các dữ liệu sẵn có tại các ngân hàng

Chính sách của Ngân hàng Nhà nước Việt Nam (NHNN) phân loại dư nợ thành 5 nhóm, từ nhóm 1 đến nhóm 5 Trong khi các khoản vay từ nhóm 2 đến nhóm 5 phải được trích lập dự phòng rủi ro, thì theo định nghĩa về nợ xấu của NHNN Việt Nam (2013), các khoản nợ này được phân loại thuộc nhóm 3, 4 và 5 Vì vậy, trong vấn đề này, tác giả áp dụng phương pháp đo lường RRTD được khuyến nghị bởi Daniel Foos và cộng sự (2010).

2.1.2 Phân loại rủi ro tín dụng

RRTD được chia thành hai loại dựa trên bản chất của nó: rủi ro giao dịch và rủi ro danh mục đầu tư (Steinwand, 2000):

Một loại RRTD được gọi là rủi ro giao dịch chủ yếu do các hạn chế trong quá trình giao dịch và thẩm định của khách hàng để phê duyệt khoản vay Ba thành phần cơ bản của rủi ro giao dịch như sau:

Rủi ro lựa chọn liên quan đến việc phân tích và đánh giá các khoản vay mà khách hàng đề ra

Các yêu cầu và quy định của ngân hàng liên quan đến chủ thể bảo đảm, phương thức bảo đảm, giá trị tài sản thế chấp và bảo đảm theo giá trị khoản vay đối với khoản vay đều góp phần vào rủi ro bảo đảm

Rủi ro hoạt động là một dạng rủi ro bao hàm các rủi ro gắn liền với các quy trình quản lý khoản vay, các hoạt động sau khi giải ngân, việc áp dụng hệ thống xếp hạng RRTD cũng như những biện pháp xử lý các khoản vay gặp khó khăn

Rủi ro danh mục là một loại RRTD do ngân hàng không có khả năng quản lý danh mục cho vay của mình Hai loại rủi ro danh mục đầu tư như sau:

Các lý thuyết về rủi ro tín dụng

2.2.1 Lý thuyết về gia tốc tài chính (financial accelerator)

Gia tốc tài chính là một cơ chế làm trầm trọng thêm tác động của các cú sốc kinh tế vĩ mô và tài chính đến hoạt động của nền kinh tế thông qua sự thay đổi điều kiện tín dụng Lý thuyết này do Bernanke và cộng sự (1994) phát triển

Trong mô hình gia tốc tài chính, điều kiện tài chính của người đi vay (doanh nghiệp, cá nhân) tác động đến khả năng tiếp cận tín dụng và chi phí vay vốn của họ Khi nền kinh tế gặp cú sốc tiêu cực (suy thoái, khủng hoảng tài chính), tình hình tài chính của người đi vay xấu đi do giảm doanh thu, lợi nhuận, tài sản thế chấp mất giá Điều này khiến ngân hàng thắt chặt điều kiện cho vay, nâng lãi suất, giảm cung tín dụng vì lo ngại rủi ro tín dụng gia tăng Sự sụt giảm tín dụng lại càng làm trầm trọng thêm suy thoái Ngược lại, trong thời kỳ kinh tế tăng trưởng tốt, cơ chế gia tốc tài chính này sẽ thúc đẩy tín dụng và đầu tư phát triển (Bernanke và cộng sự, 1994)

Nghiên cứu chỉ ra rằng trong giai đoạn suy thoái và khủng hoảng, hiệu ứng gia tốc tài chính làm gia tăng đáng kể rủi ro tín dụng của ngân hàng Các ngân hàng nới lỏng tiêu chuẩn tín dụng để tăng thị phần, dẫn đến tích lũy rủi ro và gia tăng khoản vay xấu khi kinh tế suy thoái Xác suất vỡ nợ doanh nghiệp tăng cao làm tỷ lệ nợ xấu và rủi ro vỡ nợ ngân hàng tăng mạnh.

Như vậy, cơ chế gia tốc tài chính cho thấy rủi ro tín dụng ngân hàng thương mại chịu ảnh hưởng lớn bởi các yếu tố vĩ mô và chu kỳ kinh tế Các cú sốc tiêu cực có thể bị khuếch đại tác động qua cơ chế này, gây rủi ro đáng kể cho hệ thống ngân hàng Do đó ngân hàng cần quản trị rủi ro tín dụng chặt chẽ, đặc biệt trong những giai đoạn kinh tế bất ổn

2.2.2 Lý thuyết kênh cho vay

Lý thuyết kênh cho vay (lending channel) là một cơ chế truyền dẫn chính sách tiền tệ tác động đến nền kinh tế thực thông qua sự thay đổi trong nguồn cung và điều kiện tín dụng của ngân hàng (Bernanke và Gertler, 1995)

Theo lý thuyết này, chính sách tiền tệ thắt chặt (tăng lãi suất, giảm cung tiền) sẽ làm giảm tiền gửi và nguồn vốn huy động của ngân hàng Điều này khiến ngân hàng phải thu hẹp tín dụng, nâng lãi suất cho vay, thắt chặt điều kiện vay vốn Sự sụt giảm trong nguồn cung tín dụng sẽ làm giảm đầu tư và chi tiêu của doanh nghiệp, hộ gia đình, qua đó tác động tiêu cực lên tăng trưởng kinh tế Trong khi đó, chính sách tiền tệ nới lỏng sẽ kích thích TTTD và nền kinh tế (Bernanke, 1990)

Mối liên hệ giữa kênh tín dụng và rủi ro tín dụng ngân hàng thương mại được thể hiện như sau:

+ Altunbas và cộng sự (2010) cho thấy trong giai đoạn nới lỏng tiền tệ kéo dài, các ngân hàng có xu hướng mở rộng tín dụng quá mức và nới lỏng điều kiện cho vay, dẫn đến gia tăng rủi ro

+ Jiménez và cộng sự (2014) chỉ ra rằng chính sách tiền tệ nới lỏng làm cho các ngân hàng sẵn sàng cho vay các đối tượng rủi ro hơn với lãi suất thấp Điều này làm tăng tỷ lệ nợ xấu trong dài hạn

+ Delis và Kouretas (2011) phát hiện các ngân hàng châu Âu cho vay rủi ro hơn trong giai đoạn lãi suất thấp Lãi suất tăng cao sau đó khiến rủi ro vỡ nợ gia tăng

Chính sách tiền tệ tác động đến rủi ro tín dụng ngân hàng thông qua kênh tín dụng Việc theo dõi chặt chẽ chính sách tiền tệ giúp cơ quan quản lý và ngân hàng điều chỉnh hoạt động tín dụng, kiểm soát rủi ro hiệu quả.

Các nhân tố ảnh hưởng đến rủi ro tín dụng

2.3.1 Nhóm các nhân tố môi trường vĩ mô

2.3.1.1 Tốc độ tăng trưởng kinh tế (GDP)

Tốc độ tăng trưởng của tổng sản phẩm quốc nội (GDP) thường được coi là một thước đo quan trọng phản ánh mức độ phát triển kinh tế của một quốc gia Nó thể hiện mức độ tăng trưởng của dịch vụ và sản xuất hàng hóa trong một khoảng thời gian nhất định, cho thấy khả năng của nền kinh tế để tạo ra tài nguyên và thu nhập Một tốc độ tăng trưởng GDP ổn định và tích cực thường là dấu hiệu để nhận biết một nền kinh tế mạnh mẽ và ổn định (Ngô Thế Chi và Nguyễn Quang Hưng, 2023)

RRTD ngân hàng và tốc độ tăng trưởng GDP là hai yếu tố quan trọng đóng vai trò trong hoạt động kinh tế và tài chính của một quốc gia Mối liên hệ giữa chúng không chỉ ảnh hưởng đến sự ổn định của HTNH mà còn có thể có tác động sâu rộng đến sự phát triển kinh tế toàn diện (Aver, 2008; Kharabsheh, 2019) Trong bối cảnh này, việc hiểu rõ và phân tích mối quan hệ giữa RRTD ngân hàng và tốc độ tăng trưởng GDP là rất cần thiết

Trong quá trình tăng trưởng GDP, RRTD ngân hàng cũng có thể gia tăng Khi nền kinh tế phát triển, nhu cầu vay vốn của doanh nghiệp và cá nhân cũng tăng lên, từ đó tạo ra áp lực tăng cho hoạt động cho vay của ngân hàng Sự gia tăng này có thể dẫn đến việc tăng cường RRTD, đặc biệt khi các khoản vay không được quản lý hoặc đánh giá một cách cẩn thận

Ngoài ra, một tốc độ tăng trưởng GDP không ổn định cũng có thể tạo ra rủi ro cho các ngân hàng Sự biến động trong tăng trưởng kinh tế có thể dẫn đến sự không chắc chắn trong môi trường kinh doanh, từ đó ảnh hưởng đến khả năng trả nợ của các khoản vay và tăng cường RRTD (Kharabsheh, 2019)

Do đó, mối liên hệ giữa tốc độ tăng trưởng GDP và RRTD ngân hàng là phức tạp và đa chiều Mặc dù tốc độ tăng trưởng GDP có thể là một yếu tố tích cực đối với hoạt động của ngân hàng, nhưng cũng cần phải cân nhắc và quản lý một cách cẩn thận để đối phó với các rủi ro tiềm ẩn mà nó có thể mang lại Điều này đòi hỏi các ngân hàng phải tập trung vào việc xây dựng các chiến lược quản trị rủi ro hiệu quả và áp dụng những biện pháp giám sát tài chính chặt chẽ nhằm bảo đảm sự vững mạnh và ổn định lâu dài của hệ thống tài chính trên phạm vi toàn cầu

2.3.1.2 Tỷ lệ lạm phát (INF)

Lạm phát, tức là tình trạng giá cả dịch vụ và hàng hóa tăng lên một cách tổng thể, cùng với RRTD đều là các yếu tố có khả năng tác động tới sự bình ổn của hệ thống tài chính và nền kinh tế quốc gia Việc hiểu và phân tích mối quan hệ giữa chúng có thể giúp các cấp quản lý tài chính và nhà chính trị hình thành các chiến lược hiệu quả để ứng phó với các thách thức trong quản lý tín dụng và ổn định kinh tế

Tỷ lệ lạm phát có thể ảnh hưởng đến RRTD của ngân hàng bằng cách làm giảm giá trị thực của nợ, tăng nguy cơ RRTD Đồng thời, lạm phát cũng gây ra sự không chắc chắn về giá cả và thu nhập, khiến việc đánh giá khả năng trả nợ của các khoản vay trở nên khó khăn hơn.

Tuy nhiên, mối quan hệ giữa RRTD và lạm phát cũng có thể phức tạp và không đồng nhất Trong một số trường hợp, lạm phát có thể đi kèm với mức độ tăng trưởng kinh tế, từ đó tạo ra cơ hội kinh doanh và tăng cường khả năng trả nợ của các khoản vay Ngoài ra, một số biện pháp chính sách tài khóa và tiền tệ có thể được áp dụng để kiềm chế lạm phát, từ đó giảm bớt tác động tiêu cực của nó đối với RRTD (Vũ Quang Vinh, 2022)

Trong việc quản lý RRTD, các ngân hàng thường cần đánh giá và quản lý các yếu tố tác động tới khả năng trả nợ của các khoản vay, trong đó có cả tình hình lạm phát Điều này đòi hỏi sự chú ý đặc biệt đến việc theo dõi và phân tích các biến số kinh tế và tài chính liên quan đến lạm phát, cũng như áp dụng các chiến lược phù hợp để giảm thiểu RRTD trong môi trường lạm phát

2.3.2 Nhóm các nhân tố nội tại của ngân hàng

2.3.2.1 Vốn chủ sở hữu (EQUITY)

Vốn chủ sở hữu, thường được đánh giá thông qua chỉ số tỷ lệ vốn chủ sở hữu trên tổng tài sản của ngân hàng, đóng vai trò then chốt trong việc phản ánh năng lực tài chính cũng như mức độ chống chịu trước các rủi ro của một định chế ngân hàng

Tỷ lệ vốn tự có cao thường đồng nghĩa với việc ngân hàng có khả năng chịu đựng rủi ro cao hơn Khi ngân hàng có một mức độ vốn chủ sở hữu đủ lớn, họ có thể sử dụng vốn này để chi trả cho các khoản nợ không trả được hoặc không khả dụng, từ đó giảm thiểu tác động của các khoản nợ xấu đến tài sản của họ (Antony và Suresh, 2023) Điều này tạo ra một lớp vững chắc, cung cấp một “lớp bảo vệ” tự nhiên cho ngân hàng trong các thời kỳ khó khăn tài chính

Mặt khác, khi tỷ lệ vốn tự có không cao, ngân hàng có thể phải đối mặt với nhiều khó khăn hơn trong việc quản lý RRTD Trong tình huống này, khi có các khoản nợ không trả được hoặc không khả dụng, ngân hàng có thể phải đối mặt với tình trạng thiếu hụt vốn, từ đó tăng cường nguy cơ phá sản hoặc phải tìm kiếm các biện pháp khắc phục khẩn cấp như tìm nguồn vốn từ bên ngoài (Antony và Suresh, 2023)

Mối tương quan giữa vốn chủ sở hữu và RRTD của các ngân hàng là một vấn đề trọng tâm trong ngành tài chính - ngân hàng Mối quan hệ giữa vốn chủ sở hữu và RRTD cũng có thể được tác động bởi nhiều yếu tố khác nhau như môi trường kinh doanh, chính sách tài chính, và điều kiện kinh tế tổng thể (Antony và Suresh, 2023) Tuy nhiên, việc giữ một tỷ lệ vốn chủ sở hữu ở mức hợp lý là một nhân tố thiết yếu giúp hạn chế RRTD và góp phần bảo đảm sự vững mạnh của toàn bộ hệ thống ngân hàng

Chính vì vậy, sự tương quan giữa RRTD của ngân hàng và vốn chủ sở hữu là một khía cạnh then chốt trong công tác quản trị rủi ro tài chính Việc duy trì một mức độ vốn tự có đủ lớn giúp tăng cường khả năng chịu đựng của ngân hàng trước các RRTD, đồng thời góp phần vào sự ổn định và bền vững của hệ thống ngân hàng

2.3.2.2 Quy mô ngân hàng (SIZE)

Quy mô của một ngân hàng thường được đo lường bằng tổng tài sản, tức là tổng giá trị của tất cả các tài sản mà ngân hàng sở hữu và quản lý Mối quan hệ giữa RRTD và quy mô ngân hàng có thể phức tạp và có thể có những tác động tiêu cực và tích cực đối với sức khỏe tài chính của ngân hàng (Naili và Lahrichi, 2022a)

MÔ HÌNH VÀ PHƯƠNG PHÁP NGHIÊN CỨU

Mô hình và giả thuyết nghiên cứu

3.1.1 Cơ sở xây dựng mô hình nghiên cứu

Theo nghiên cứu trước đây được thống kê trong Bảng 2.1, các biến độc lập phản ánh các khía cạnh quản lý và hoạt động cốt lõi của ngân hàng như quản lý vốn, quy mô kinh doanh, chiến lược cho vay và quản lý rủi ro Những biến này giúp hiểu rõ hơn cách thức các ngân hàng thương mại tại Việt Nam quản lý và ảnh hưởng đến rủi ro tín dụng.

Nghiên cứu này lựa chọn các biến độc lập dựa trên các yếu tố vĩ mô và các yếu tố nội tại của ngân hàng Cụ thể các yếu tố vĩ mô gồm có tỷ lệ lạm phát và tốc độ tăng trưởng kinh tế, các yếu tố nội tại của ngân hàng gồm có vốn chủ sở hữu, quy mô ngân hàng, hệ số an toàn, TTTD, tỷ lệ cho vay, và tỷ lệ trích lập dự phòng RRTD là các yếu tố ảnh hưởng tới RRTD của các NHTM ở Việt Nam

Việc lựa chọn các biến độc lập như vậy cũng phù hợp với bối cảnh và điều kiện của thị trường ngân hàng Việt Nam, phản ánh chính xác thực tế và đặc thù của thị trường này Có thể thấy rằng, hiểu biết sâu sắc về ảnh hưởng của các biến độc lập đối với RRTD giúp các ngân hàng đưa ra quyết định chiến lược và quản lý rủi ro hiệu quả hơn, tối ưu hóa chiến lược kinh doanh, tài chính để giảm thiểu RRTD và nâng cao hiệu suất

Mô hình nghiên cứu trong luận văn này được xây dựng dựa theo mô hình nghiên cứu của Kharabsheh (2019) kết hợp với các nghiên cứu thực nghiệm về RRTD tại các NHTMVN trong những năm qua (Bùi Hữu Phước và cộng sự, 2017; Bùi Văn Thế, 2020; Huỳnh Thị Hương Thảo, 2019; Lê Duy Khánh, 2023; Nguyễn Đăng Quang và Đặng Văn Dân, 2023; Nguyễn Thành Đạt, 2019; Nguyễn Thành Đạt và Thi Thị Mỹ Duyên, 2021; Nguyễn Thị Thiều Quang, 2023; Panyasith, 2023; Phạm Thị Thảo My, 2020; Phạm Trân Châu, 2023; Thuận và Ngọc, 2015; Võ Hữu Huy

Hoàng, 2023; Võ Thị Quý và Bùi Ngọc Toản, 2014) Mô hình hồi quy dữ liệu bảng được luận văn đề xuất, gồm có một biến phụ thuộc là Tỷ lệ nợ xấu (NPL) và tám biến độc lập là Tốc độ tăng trưởng kinh tế (GDP), Tỷ lệ lạm phát (INF), Vốn chủ sở hữu (EQUITY), Quy mô ngân hàng (SIZE), Tỷ lệ cho vay (LOA), TTTD (LG), và

Hệ số an toàn (LDR)

NPL i,t = â 0 + â 1 GDP i,t + â 2 INF i,t + â 3 EQUITY i,t + â 4 SIZE i,t + â 5 LOA i,t + õ 6 LG i,t + õ 7 LDR i,t + ồ i,t

Trong đó: i: Ngân hàng thứ i (22 ngân hàng TMCP) t: Năm quan sát thứ t (12 năm từ 2012 đến 2023) ồ i,t : Sai số của mụ hỡnh â0: Hệ số chặn của mô hình hồi quy â i : Hệ số hồi quy tương ứng với từng biến độc lập

Dựa vào các nghiên cứu trước đó, luận văn nhận thấy có một mối liên hệ tích cực giữa tăng trưởng GDP và RRTD Mpofu và Nikolaidou (2018) đã phân tích và chỉ ra rằng sự tăng trưởng kinh tế thường đi đôi với sự giảm RRTD Tương tự, Antony và Suresh (2023) đã cung cấp những chứng cứ mạnh mẽ hơn, cho thấy tăng trưởng GDP có tác động tích cực đến RRTD Điều này có thể hiểu là khi nền kinh tế phát triển, các đối tác vay mượn có khả năng trả nợ tốt hơn, làm giảm RRTD Ngoài ra, Priyadi và cộng sự (2021) cũng đã phát hiện mối liên hệ tương tự, xác định rằng tăng trưởng GDP đồng nghĩa với việc giảm tỷ lệ nợ xấu trong ngắn hạn Tóm lại, những kết quả này cung cấp sự hỗ trợ đáng kể cho giả thuyết rằng tăng trưởng GDP và RRTD có mối liên hệ ngược chiều Do vậy, giả thuyết H1 được đề xuất là “Tăng trưởng GDP có quan hệ ngược chiều với RRTD”

Nghiên cứu trước đây đã chỉ ra mối quan hệ tích cực giữa lạm phát và RRTD Mpofu và Nikolaidou (2018), Antony và Suresh (2023) cho thấy lạm phát tăng thường đi kèm với RRTD tăng Sự gia tăng lạm phát làm giảm khả năng trả nợ của khách hàng, do đó tăng RRTD Priyadi et al (2021) cũng phát hiện mối liên hệ tương tự, với lạm phát có tác động tiêu cực đến tỷ lệ nợ xấu trong ngắn hạn Những kết quả này hỗ trợ cho giả thuyết rằng lạm phát và RRTD có mối quan hệ cùng chiều Do đó, giả thuyết H2 là "Lạm phát có quan hệ cùng chiều với RRTD".

Nghiên cứu của Kharabsheh (2019) đã chỉ ra rằng vốn chủ sở hữu thấp có thể dẫn đến tăng RRTD, trong khi các ngân hàng có vốn chủ sở hữu cao thường có mức độ RRTD thấp hơn Khan và cộng sự (2020) cũng đã xác nhận điều này, với hiệu quả hoạt động và lợi nhuận có mối quan hệ ngược chiều với nợ xấu, ngụ ý rằng các ngân hàng có vốn chủ sở hữu cao thường có khả năng quản lý rủi ro tốt hơn Misman và Bhatti (2020) cũng chỉ ra kết quả tương tự, rằng vốn điều lệ cao là một trong những yếu tố chính làm giảm RRTD trong các ngân hàng Do đó có thể thấy, các nghiên cứu đều ủng hộ cho giả thuyết rằng vốn chủ sở hữu ảnh hưởng ngược chiều lên RRTD Do vậy mà, giả thuyết H3 được đề xuất là “Vốn chủ sở hữu có quan hệ ngược chiều với RRTD”

Nhiều nghiên cứu trước đó cũng đã cho thấy rằng, tồn tại mối quan hệ ngược chiều giữa quy mô của ngân hàng và RRTD Chẳng hạn như nghiên cứu của Nguyễn Thành Đạt (2019) đã tìm ra rằng quy mô của ngân hàng có ảnh hưởng ngược chiều đối với tỷ lệ nợ xấu, hay nói cách khác, các ngân hàng lớn có xu hướng có mức độ RRTD thấp hơn Misman và Bhatti (2020) cũng đã đưa ra kết luận tương tự, với quy mô tài sản lớn làm giảm RRTD Ngoài ra, Antony và Suresh (2023) cũng đã phát hiện rằng loại hình doanh nghiệp của ngân hàng cũng ảnh hưởng ngược chiều lên RRTD, với các ngân hàng lớn thường có mức độ rủi ro thấp hơn Như vậy, kết quả của các nghiên cứu này đã ủng hộ cho giả thuyết rằng quy mô ngân hàng có mối quan hệ ngược chiều với RRTD Do đó, luận văn đưa ra giả thuyết H4 là “Quy mô ngân hàng có quan hệ ngược chiều với RRTD”

Nghiên cứu của Khan và cộng sự (2020) đã chỉ ra rằng, tỷ lệ cho vay đối với tổng GDP có mối quan hệ tích cực đối với nợ xấu, nói khác đi, khi tỷ lệ cho vay tăng, có thể tạo ra một môi trường tín dụng không an toàn, dẫn đến tăng RRTD Naili và Lahrichi (2022) cũng đã phát hiện rằng tăng trưởng về tỷ lệ cho vay và tăng trưởng về tỷ lệ nợ xấu có mối quan hệ cùng chiều, điều này cho thấy rằng việc tăng tỷ lệ cho vay có thể dẫn đến tăng RRTD Ngoài ra, Antony và Suresh (2023) cũng đã tìm ra mối liên hệ tương tự, với tỷ lệ cho vay trên vốn chủ sở hữu có mối quan hệ tích cực với RRTD Các kết quả này giúp ủng hộ cho giả thuyết rằng tỷ lệ cho vay có mối quan hệ cùng chiều với RRTD Do vậy mà giả thuyết H5 được đề xuất là “Tỷ lệ cho vay có quan hệ cùng chiều với RRTD”

Có những chứng cứ cho thấy mối quan hệ cùng chiều giữa TTTD và RRTD trong nhiều nghiên cứu trước đó Chẳng hạn như nghiên cứu của Khan và cộng sự (2020) đã phân tích rằng, tăng trưởng về tín dụng có mối quan hệ tích cực với nợ xấu Nghiên cứu kết luận, khi TTTD nhanh chóng, có thể tạo ra một môi trường tín dụng nhiều rủi ro Priyadi và cộng sự (2021) cũng đã phát hiện mối liên hệ tương tự, với tăng trưởng về tín dụng ảnh hưởng tích cực đến tỷ lệ nợ xấu của ngân hàng trong ngắn hạn Naili và Lahrichi (2022) cũng đã đưa ra kết quả khẳng định, cho thấy mối quan hệ cùng chiều giữa tăng trưởng về tín dụng và RRTD Như vậy, với những kết quả này đã ủng hộ cho giả thuyết rằng TTTD có mối quan hệ cùng chiều với RRTD

Do đó, luận văn đề xuất giả thuyết H6 là “TTTD có quan hệ cùng chiều với RRTD”

Misman và Bhatti (2020) đã chỉ ra rằng chất lượng tài chính và quy mô tài sản lớn có mối quan hệ ngược chiều với RRTD, ngụ ý rằng các ngân hàng có hệ số an toàn cao thường có mức độ RRTD thấp hơn Huỳnh Thị Hương Thảo (2019) cũng đã phát hiện mối quan hệ tương tự, với khả năng kiểm soát tốt chi phí kinh doanh hay kiểm soát tốt nợ xấu hay của ngân hàng có thể dẫn đến giảm tỷ lệ nợ xấu Nguyễn Đăng Quang và Đặng Văn Dân (2023) cũng đã đưa ra kết luận rằng chính sách tiền tệ nới lỏng không tác động tiêu cực mà lại giúp các NHTM đạt được mức độ an toàn tín dụng cao hơn Có thể thấy rằng, các nghiên cứu này cung cấp sự hỗ trợ cho giả thuyết rằng hệ số an toàn có mối quan hệ ngược chiều với RRTD Do đó, luận văn này đề xuất giả thuyết H7 là “Hệ số an toàn có quan hệ ngược chiều với RRTD”

Bảng 3.1 Giả thuyết nghiên cứu

Yếu tố Ký hiệu Giả thuyết nghiên cứu

Các yếu tố kinh tế vĩ mô

GDP H1 “Tăng trưởng GDP có quan hệ ngược chiều với RRTD”

Lạm phát H2 “Lạm phát có quan hệ cùng chiều với

Các yếu tố nội tại của ngân hàng

Vốn chủ sở hữu H3 “Vốn chủ sở hữu có quan hệ ngược chiều với RRTD”

Quy mô ngân hàng H4 “Quy mô ngân hàng có quan hệ ngược chiều với RRTD”

Tỷ lệ cho vay H5 “Tỷ lệ cho vay có quan hệ cùng chiều với RRTD”

Tăng trưởng tín dụng H6 “Tăng trưởng tín dụng có quan hệ cùng chiều với RRTD”

Hệ số an toàn H7 “Hệ số an toàn có quan hệ ngược chiều với RRTD”

Phương pháp nghiên cứu

Quy trình nghiên cứu luận văn về chủ đề “Nhân tố ảnh hưởng đến RRTD tại các NHTM Việt Nam” sử dụng mô hình hồi quy dữ liệu bảng, việc thực hiện được chia làm 9 bước cụ thể

Bước 1 là xác định vấn đề nghiên cứu, đặt ra câu hỏi và mục tiêu nghiên cứu

Bước 2: Đánh giá tài liệu liên quan về RRTD, hoạt động của NHTM, cũng như các nghiên cứu trước đây về vấn đề tương tự để hình thành khung lý thuyết.

Bước 3 xác định các biến cần thiết cho nghiên cứu, bao gồm biến độc lập như RRTD, vốn chủ sở hữu, quy mô ngân hàng, lãi suất thị trường, v.v, và biến phụ thuộc là tỷ lệ nợ xấu (NPL)

Bước 4 là lựa chọn mô hình hồi quy dữ liệu bảng phù hợp, kỹ thuật xử lý dữ liệu và phương pháp ước lượng

Bước 5 là thu thập dữ liệu từ các nguồn báo cáo tài chính hợp nhất đã kiểm toán và báo cáo thương niên của 22 NHTM trong giai đoạn từ 2012 tới 2023

Bước 6 là sử dụng phần mềm Stata 17 để phân tích dữ liệu và phân tích mô hình hồi quy để đánh giá mối quan hệ giữa biến độc lập và phụ thuộc

Bước 7 là đánh giá kết quả phân tích, rút ra các nhận định quan trọng

Bước 8 là so sánh kết quả đạt được với các nghiên cứu trước, từ đó đưa ra kết luận và đề xuất hướng nghiên cứu tiếp theo, ứng dụng thực tiễn

Cuối cùng, bước 9 là tổng hợp các kết quả nghiên cứu thành báo cáo luận văn theo cấu trúc và định dạng đã được đề xuất tại chương 1 của nghiên cứu này

Hình 3.1 Quy trình nghiên cứu

3.2.2 Trình tự thực hiện nghiên cứu

Trong nghiên cứu này, luận văn sử dụng phần mềm Stata 17 để tiến hành phân tích hồi quy định lượng nhằm đánh giá tác động của các yếu tố tới RRTD của các NHTM cổ phần tại Việt Nam Mô hình hồi quy dữ liệu bảng được áp dụng để phân tích mối quan hệ giữa biến độc lập với yếu tố RRTD thông qua tập dữ liệu bảng gồm các quan sát theo ngân hàng và theo thời gian

Các phân tích cụ thể như sau:

Thống kê mô tả đóng vai trò quan trọng trong nghiên cứu khoa học và luận văn, cung cấp cái nhìn tổng quát về các đặc điểm của các biến trong mẫu nghiên cứu Mục đích chính của thống kê mô tả là đánh giá giá trị trung bình, xác định giá trị cực đại, cực tiểu và tính toán độ lệch chuẩn để đo lường mức độ phân tán của dữ liệu.

Thông qua việc phân tích các con số thống kê mô tả này, nghiên cứu có thể đưa ra được kết luận sơ bộ về tính chất của dữ liệu nghiên cứu trước khi triển khai các phân tích chi tiết hơn Điều này giúp làm rõ hơn về phân phối và biến động của các biến, từ đó làm căn cứ cho việc chọn lựa phương pháp phân tích phù hợp và đưa ra những nhận định chuẩn xác về quan hệ giữa các biến trong mô hình nghiên cứu

3.2.2.2 Phân tích ma trận tương quan

Phân tích ma trận tương quan là một phương pháp quan trọng trong nghiên cứu, giúp đánh giá mức độ tương quan tuyến tính giữa các cặp biến trong mẫu nghiên cứu Điều này cung cấp cơ sở để xác định ban đầu về mối quan hệ giữa các biến trong mô hình nghiên cứu, bao gồm cả việc xác định biến phụ thuộc và biến độc lập hoặc các biến kiểm soát

Nếu các biến có hệ số tương quan cao (trên 0.8 theo Daniels và Minot (2019)), hiện tượng đa cộng tuyến có khả năng xuất hiện trong mô hình hồi quy Điều này có thể làm sai lệch các ước lượng hồi quy và giảm độ tin cậy của mô hình Do đó, phân tích ma trận tương quan là một bước quan trọng trước khi phân tích mô hình hồi quy, giúp phát hiện và xử lý các vấn đề về đa cộng tuyến, cũng như loại bỏ các biến không cần thiết Đồng thời, nó cũng giúp xác định hướng tương quan giữa các biến, từ đó xác định được mối quan hệ giữa chúng

3.2.2.3 Kiểm tra hiện tượng đa cộng tuyến

Hệ số phóng đại phương sai (Variance Inflation Factor - VIF) được nghiên cứu này sử dụng để phát hiện và đánh giá mức độ nghiêm trọng của hiện tượng đa cộng tuyến giữa các biến giải thích trong mô hình Theo nguyên tắc của VIF, nếu VIF của một biến lớn hơn 5 thì biến đó được coi là có hiện tượng đa cộng tuyến ở mức cao Nếu VIF cao hơn 10, hiện tượng đa cộng tuyến ở mức rất cao, và các hệ số ước lượng hồi quy từ mô hình sẽ không đáng tin cậy Theo Daniels và Minot (2019), nếu kết quả VIF cho thấy có biến có hệ số lớn hơn 10, thì nên loại bỏ biến đó khỏi mô hình nghiên cứu để tránh sai lệch ước lượng do đa cộng tuyến

Khi các biến độc lập trong mô hình có mức độ tương quan chặt chẽ với nhau, đây là hiện tượng đa cộng tuyến, điều này làm vi phạm giả định về tính độc lập tuyến tính của các biến giải thích Khi đa cộng tuyến nghiêm trọng, các hệ số hồi quy sẽ không ổn định và không thể giải thích mối quan hệ giữa biến phụ thuộc và các biến độc lập

Vì vậy, việc kiểm tra VIF và xử lý đa cộng tuyến bằng cách loại bỏ biến là một bước quan trọng trong quá trình xây dựng và hiệu chỉnh mô hình hồi quy, giúp đảm bảo tính chính xác và đáng tin cậy của kết quả nghiên cứu

3.2.2.4 Lựa chọn mô hình hồi quy

KẾT QUẢ NGHIÊN CỨU

Thống kê mô tả các biến

Bảng 4.1 Tổng hợp dữ liệu thống kê của các biến

Biến Số quan sát Trung bình Độ lệch chuẩn Min Max

(Nguồn: tác giả tổng hợp từ kết quả phân tích STATA 17)

Bảng 4.1 tổng hợp dữ liệu thống kê của các biến được sử dụng trong nghiên cứu, bao gồm NPL (Tỷ lệ nợ xấu), GDP (Tổng sản phẩm quốc nội), INF (Tỷ lệ lạm phát), EQUITY (Vốn chủ sở hữu), SIZE (Quy mô ngân hàng), LOA (Tỷ lệ cho vay), LDR (Hệ số an toàn vốn) và LG (Tăng trưởng tín dụng) Mỗi biến được phân tích dựa trên các thông số: số quan sát, giá trị trung bình, độ lệch chuẩn, giá trị nhỏ nhất (Min) và giá trị lớn nhất (Max) Dữ liệu được tổng hợp từ kết quả phân tích bằng phần mềm STATA 17

Nghiên cứu bao gồm 264 quan sát Biến NPL (nợ xấu) có giá trị trung bình là 0,023 và độ lệch chuẩn là 0,012, cho thấy mức độ biến động của tỷ lệ nợ xấu giữa các ngân hàng là khá thấp Điều này chỉ ra rằng tỷ lệ nợ xấu giữa các ngân hàng trong nghiên cứu có xu hướng đồng đều và ít biến động.

Biến GDP với giá trị trung bình là 0.057, độ lệch chuẩn là 0.016, giá trị lớn nhất là 0.080 và giá trị nhỏ nhất là 0.026 Độ lệch chuẩn là 0.016, mức độ biến động này tương đối nhỏ, cho thấy sự ổn định của GDP trong mẫu nghiên cứu

Biến INF với giá trị trung bình là 0.038, độ lệch chuẩn là 0.010, giá trị nhỏ nhất là 0.006 và giá trị lớn nhất là 0.068 Độ lệch chuẩn là 0.010, cho thấy sự biến động của tỷ lệ lạm phát là khá nhỏ Điều này có thể phản ánh sự ổn định tương đối của nền kinh tế về mặt lạm phát trong giai đoạn nghiên cứu

Biến EQUITY với giá trị trung bình là 0.055, độ lệch chuẩn là 0.031, giá trị lớn nhất là 0.189 và giá trị nhỏ nhất là 0.007 Biến EQUITY có độ lệch chuẩn là 0.031, cho thấy mức độ phân tán vừa phải của tỷ lệ vốn chủ sở hữu giữa các ngân hàng Mức độ biến động này có thể phản ánh sự khác biệt trong cấu trúc vốn của các ngân hàng trong mẫu

Biến SIZE với giá trị trung bình là 13.223, độ lệch chuẩn là 1.078, giá trị nhỏ nhất là 9.940 và giá trị lớn nhất là 14.760 Độ lệch chuẩn là 1.078, cho thấy sự biến động khá lớn trong quy mô của các ngân hàng Sự khác biệt này có thể ảnh hưởng đến khả năng quản lý và chiến lược kinh doanh của từng ngân hàng

Biến LOA với giá trị trung bình là 0.762, độ lệch chuẩn là 0.136, giá trị lớn nhất là 1.029 và giá trị nhỏ nhất là -0.359 Biến LOA có độ lệch chuẩn là 0.136, cho thấy sự biến động tương đối lớn của tổng dư nợ cho vay giữa các ngân hàng Điều này có thể phản ánh sự khác biệt trong chiến lược cho vay và quản lý rủi ro tín dụng của các ngân hàng

Biến LG với giá trị trung bình là 0.319, độ lệch chuẩn là 0.645, giá trị nhỏ nhất là -0.895 và giá trị lớn nhất là 4.259 Biến LG có độ lệch chuẩn là 0.645, cho thấy sự biến động lớn nhất trong số các biến được nghiên cứu Điều này cho thấy, tăng trưởng cho vay giữa các ngân hàng có sự khác biệt đáng kể, có thể do các yếu tố bên ngoài và bên trong khác nhau làm chiến lược cho vay của từng ngân hàng bị ảnh hưởng

Cuối cùng, LDR có giá trị trung bình là 0,816, độ lệch chuẩn là 0,142, giá trị lớn nhất là 1,428 và giá trị nhỏ nhất là 0,572 Độ lệch chuẩn nhỏ thể hiện mức độ biến động vừa phải của biến này.

Bảng này cung cấp cái nhìn tổng quan về các thông số quan trọng của các biến số, giúp hiểu rõ hơn về đặc điểm phân phối và sự biến động của dữ liệu nghiên cứu

4.1.1 Tỷ lệ nợ xấu (NPL)

Biểu đồ 4.1 thể hiện diễn biến tỷ lệ nợ xấu (NPL) qua các năm từ 2012 đến

2023 Theo đó, tỷ lệ nợ xấu có xu hướng giảm dần qua thời gian, từ mức 4.57% năm

2012 xuống còn 1.64% năm 2020 Tuy nhiên, từ năm 2021 đến 2023, tỷ lệ nợ xấu lại có chiều hướng tăng trở lại, lần lượt là 3.03% năm 2021, 2.63% năm 2022 và 3.03% năm 2023

(Nguồn: tác giả tổng hợp và phân tích từ dữ liệu thống kê)

Biểu đồ 4.1 Tỷ lệ nợ xấu trung bình của các NHTM qua các năm

Trong giai đoạn 2012-2020, các ngân hàng đã nỗ lực xử lý nợ xấu, cải thiện đáng kể chất lượng tín dụng Tuy nhiên, từ năm 2021, đại dịch COVID-19 và những khó khăn kinh tế đã khiến tỷ lệ nợ xấu tăng trở lại, đặt ra thách thức cho công tác kiểm soát rủi ro tín dụng của các ngân hàng hiện nay.

4.1.2 Tốc độ tăng trưởng kinh tế (GDP)

(Nguồn: tác giả tổng hợp và phân tích từ dữ liệu thống kê)

Biểu đồ 4.2 Tốc độ tăng trưởng GDP qua các năm

Biểu đồ 4.2 thể hiện diễn biến tỷ lệ tăng trưởng GDP của Việt Nam từ năm

2012 đến 2023 Nhìn chung, tốc độ tăng trưởng có xu hướng giảm dần qua thời gian, mặc dù có sự biến động khá lớn

Cụ thể, giai đoạn 2012-2015, GDP duy trì tốc độ tăng trưởng khá cao và ổn định, dao động quanh mức 5-6%/năm Tuy nhiên, từ năm 2016, tốc độ tăng trưởng có xu hướng chậm lại, chỉ đạt 6.21% năm 2016 và 6.81% năm 2017

Năm 2020 chứng kiến sự sụt giảm mạnh của GDP do tác động của đại dịch Covid-19, chỉ đạt 2.91% Tuy có phục hồi trong năm 2021 và 2022 với mức tăng trưởng lần lượt là 2.58% và 8.02%, nhưng đà tăng trưởng này không được duy trì trong năm 2023, khi GDP chỉ tăng 5.05%

Như vậy, diễn biến tăng trưởng GDP cho thấy nền kinh tế Việt Nam đang phải đối mặt với nhiều thách thức, khó khăn, đặc biệt là tác động của đại dịch Covid-19

Sự phục hồi tăng trưởng GDP năm 2022 là tín hiệu tích cực, song để duy trì đà tăng trưởng này trong dài hạn đòi hỏi nhiều nỗ lực từ Chính phủ và cộng đồng doanh nghiệp

4.1.3 Tỷ lệ lạm phát (INF)

(Nguồn: tác giả tổng hợp và phân tích từ dữ liệu thống kê)

Biểu đồ 4.3 Tỷ lệ lạm phát qua các năm

Phân tích tương quan

Bảng 4.2 Kết quả phân tích tương quan giữa các biến

Nguồn: Tác giả tổng hợp từ kết quả phân tích

Dựa trên bảng kết quả phân tích tương quan, có thể đưa ra một số nhận xét sau: Thứ nhất, tỷ lệ nợ xấu (NPL) có mối tương quan nghịch mạnh nhất với biến tỷ lệ cho vay trên huy động (LDR) với hệ số tương quan là -0.836 Kết quả này cho thấy rằng, khi tỷ lệ cho vay trên huy động tăng, xu hướng giảm mạnh của tỷ lệ nợ xấu Thứ hai, tỷ lệ nợ xấu cũng có mối tương quan nghịch ở mức trung bình với GDP (hệ số -0.524) Khi GDP tăng trưởng, nợ xấu có xu hướng giảm Thứ ba, NPL tương quan nghịch tương đối với quy mô ngân hàng (SIZE) với hệ số -0.398 và tỷ lệ cho vay trên tổng tài sản (LOA) với hệ số -0.469 Điều này cho thấy rằng quy mô ngân hàng lớn và cho vay nhiều hơn có tỷ lệ nợ xấu thấp hơn Thứ tư, NPL tương quan thuận ở mức trung bình với lạm phát (INF) với hệ số 0.421 và tỷ lệ tăng trưởng tín dụng (LG) với hệ số 0.362 Lạm phát cao và tăng trưởng tín dụng nhanh có thể làm gia tăng nợ xấu Cuối cùng, mối tương quan giữa NPL và tỷ lệ an toàn vốn (EQUITY) gần như không có (hệ số -0.023) Tóm lại, các biến kinh tế vĩ mô như GDP và lạm phát cùng các biến đặc thù ngân hàng như LDR, SIZE, LOA, LG đều có tương quan đáng kể với tỷ lệ nợ xấu Tuy nhiên, cần lưu ý rằng mức độ tương quan này không nhất thiết thể hiện quan hệ nhân quả, và cần kiểm tra thêm bằng mô hình hồi quy để có nhận định chính xác.

Kết quả phân tích hồi quy

Kết quả phân tích các mô hình hồi quy dữ liệu bảng bằng STATA 17 được cho trong Bảng 4.3

Bảng 4.3 Kết quả phân tích các mô hình hồi quy

OLS Mô hình FEM Mô hình REM

Hệ số hồi quy Độ lệch chuẩ n

Hệ số hồi quy Độ lệch chuẩ n

Hệ số hồi quy Độ lệch chuẩ n

Nguồn: Tác giả tổng hợp từ kết quả phân tích

Kiểm định F cho thấy, Prob>F = 0.3020 > 5% nên chấp nhận giả thuyết H0 Do đó, mô hình FEM không phù hợp bằng mô hình Pooled OLS

Bảng 4.4 Kết quả kiểm định Breusch – Pagan Lagrangian

Nguồn: Tác giả tổng hợp từ kết quả phân tích

Kết quả kiểm định Breusch-Pagan Lagrangian so sánh Pooled OLS với REM được cho trong Bảng 4.4 Giả thuyết H0 cho rằng phương sai của các đặc điểm riêng bằng không, tức là không có sự khác biệt đáng kể giữa các đối tượng Nếu bác bỏ H0, REM được cho là phù hợp hơn Pooled OLS Kết quả cho thấy chấp nhận giả thuyết H0, nghĩa là mô hình REM không phù hợp bằng mô hình Pooled OLS.

Kiểm định khuyết tật của mô hình hồi quy

4.4.1 Kiểm định hiện tượng đa cộng tuyến

Bảng 4.5 Kết quả phân tích hệ số phóng đại phương sai (VIF)

Nguồn: Tác giả tổng hợp từ kết quả phân tích

Kết quả trình bày các biến độc lập trong mô hình với hệ số VIF (hệ số phóng đại phương sai) được cho trong Bảng 4.5 VIF là một chỉ số đo lường mức độ đa cộng tuyến giữa các biến giải thích Dựa trên kết quả này, ta có thể nhận xét rằng, tất cả các biến đều có hệ số VIF nhỏ hơn 10, cho thấy không có vấn đề đa cộng tuyến nghiêm trọng trong mô hình Thông thường, VIF lớn hơn 10 là dấu hiệu của đa cộng tuyến cao

Biến có VIF cao nhất là LDR (Hệ số an toàn) với giá trị 2,51, thế nhưng vẫn nằm trong ngưỡng chấp nhận được Còn lại, các biến có VIF dao động từ 1,34 đến 1,94, cho thấy mức độ đa cộng tuyến thấp Hệ số VIF trung bình của tất cả các biến là 1,71, thấp hơn nhiều so với ngưỡng 10, khẳng định không có vấn đề đa cộng tuyến chung trong mô hình.

Tóm lại, kết quả VIF cho thấy mô hình không gặp vấn đề đa cộng tuyến nghiêm trọng Các hệ số ước lượng có thể tin cậy và không bị ảnh hưởng bởi vấn đề đa cộng tuyến

4.4.2 Kiểm định hiện tượng tự tương quan

Bảng 4.6 Kết quả kiểm định hiện tượng tự tương quan

Kiểm định Wooldridge về khuyết tật tự tương quan trong dữ liệu bảng

H0: Không tồn tại tự tương quan bậc 1

Nguồn: Tác giả tổng hợp từ kết quả phân tích

Kết quả kiểm định cho thấy rằng, Prob>F = 0.0342 ≤ 0.05 nên giả thuyết H0 bị bác bỏ, nghĩa là mô hình hồi quy được chọn tồn tại hiện tượng tự tương quan bậc nhất

4.4.3 Kiểm định hiện tượng phương sai sai số thay đổi

Bảng 4.7 Kết quả kiểm định phương sai sai số thay đổi

Kiểm định Breusch–Pagan/Cook–Weisberg cho hiện tượng không đồng nhất phương sai

H0: Phương sai không đổi chi2 (1) = 43.99

Nguồn: Tác giả tổng hợp từ kết quả phân tích

Kết quả phân tích cho thấy, Prob>chi2 < 5%, điều này có nghĩa là mô hình hồi quy được chọn xuất hiện hiện tượng phương sai sai số thay đổi, do đó bác bỏ giả thuyết H0.

Phương pháp hồi quy Pooled OLS được sử dụng trong nghiên cứu này có những khuyết điểm là tồn tại tự tương quan bậc nhất và phương sai sai số thay đổi Để khắc phục những khuyết điểm này, nghiên cứu lựa chọn phương pháp ước lượng GLS.

Bảng 4.8 Kết quả phân tích hồi quy mô hình GLS

Nguồn: Tác giả tổng hợp từ kết quả phân tích

Kết quả phân tích mô hình hồi quy GLS cho trong Bảng 4.8 cho thấy rằng, đầu tiên, mô hình có ý nghĩa thống kê với Prob > chi2 = 0.0000, cho thấy các biến giải thích có tác động đáng kể đến biến phụ thuộc Thứ hai, hầu hết các biến giải thích đều có ý nghĩa thống kê ở mức 5% (P>|z| < 0.05), ngoại trừ biến EQUITY Điều này cho thấy GDP, INF, SIZE, LOA, LG và LDR có tác động đáng kể đến biến phụ thuộc, trong khi EQUITY không có bằng chứng về tác động ý nghĩa Thứ ba, GDP và LDR có hệ số âm, cho thấy chúng có tác động nghịch biến đến biến phụ thuộc Khi GDP tăng 1 đơn vị, biến phụ thuộc giảm 0.135 đơn vị, và khi LDR tăng 1 đơn vị, biến phụ thuộc giảm 0.066 đơn vị Thứ tư, INF, LOA và LG có hệ số dương, cho thấy chúng có tác động thuận chiều với biến phụ thuộc Lạm phát cao hơn, tỷ lệ cho vay cao hơn và TTTD cao hơn có liên quan đến giá trị cao hơn của biến phụ thuộc

Thứ năm, SIZE có hệ số âm nhưng gần bằng 0, cho thấy tác động của quy mô ngân hàng đến biến phụ thuộc là tương đối nhỏ Thứ sáu, khoảng tin cậy 95% cho các hệ số hồi quy không chứa giá trị 0 (ngoại trừ EQUITY), cho thấy ước lượng các hệ số là đáng tin cậy Cuối cùng, giá trị của hằng số (_cons) cho thấy giá trị của biến phụ thuộc khi tất cả các biến giải thích bằng 0

Nhìn chung, mô hình cho thấy các yếu tố kinh tế vĩ mô và đặc điểm ngân hàng có tác động đáng kể đến biến phụ thuộc.

Kiểm định các giả thuyết nghiên cứu

Bảng 4.9 Kết quả kiểm định các giả thuyết nghiên cứu

STT Giả thuyết Hệ số hồi quy

1 Giả thuyết H1 “Tăng trưởng GDP có quan hệ ngược chiều với RRTD” -0.135 0.000 ủng hộ

2 Giả thuyết H2 “Lạm phát có quan hệ cùng chiều với RRTD” 0.052 0.003 ủng hộ

3 Giả thuyết H3 “Vốn chủ sở hữu có quan hệ ngược chiều với RRTD” 0.014 0.145 bác bỏ

STT Giả thuyết Hệ số hồi quy

4 Giả thuyết H4 “Quy mô ngân hàng có quan hệ ngược chiều với RRTD” -0.001 0.001 ủng hộ

5 Giả thuyết H5 “Tỷ lệ cho vay có quan hệ cùng chiều với RRTD” 0.014 0.000 ủng hộ

“Tăng trưởng tín dụng có quan hệ cùng chiều với RRTD”

7 Giả thuyết H7 “Hệ số an toàn có quan hệ ngược chiều với RRTD” -0.066 0.000 ủng hộ

Nguồn: Tác giả tổng hợp từ kết quả phân tích