TỔNG QUÁT VỀ ĐỀ TÀI NGHIÊN CỨU
Lý do chọn đề tài
Trong những năm gần đây, cuộc cách mạng công nghiệp lần thứ tư (CMCN 4.0) đã thúc đẩy sự thay đổi toàn diện trong cấu trúc và phương thức hoạt động của nền tài chính toàn cầu, với chính phủ và doanh nghiệp đang nhanh chóng số hóa Các tập đoàn công nghệ như Uber trong lĩnh vực dịch vụ vận tải cá nhân, Airbnb trong ngành dịch vụ khách sạn và Amazon trong thương mại điện tử đã thay đổi hành vi người tiêu dùng Sau cuộc khủng hoảng tài chính năm 2008, các biện pháp quản lý tăng cường gây áp lực lớn lên các NHTM Việt Nam, buộc họ phải cạnh tranh gay gắt với các tổ chức tài chính phi ngân hàng và các ngân hàng quốc tế Môi trường này đã dẫn đến sự xuất hiện của Fintech với các đặc điểm nổi bật đổi mới trong dịch vụ tài chính và các công nghệ đột phá mới như trí tuệ nhân tạo (AI), điện toán đám mây (Cloud computing), dữ liệu lớn (Big Data), chuỗi khối (Blockchain) và các loại tiền ảo như Bitcoin, Crypto
Fintech được định nghĩa là bất kỳ dịch vụ tài chính hoặc quản lý tài chính nào dựa trên công nghệ đã trở thành thiết yếu đối với các ngân hàng (Andrew Gray and Michael Leibrock, 2017) Nó giúp giảm chi phí, nâng cao bảo mật, và cải thiện trải nghiệm khách hàng Các ví dụ bao gồm các dịch vụ thanh toán điện tử như Apple Pay, PayPal và hệ thống cho vay ngang hàng (P2P lending) Fintech hướng đến các dịch vụ và sản phẩm tài chính đổi mới hoặc được cải tiến để tăng cường an ninh, giảm chi phí và cải thiện khả năng tiếp cận tài chính, từ đó kích thích kinh tế và tài chính phát triển Tiềm năng phát triển Fintech trong lĩnh vực hoạt động tài chính là rất lớn đối với thế giới nói chung và Việt Nam nói riêng, giúp nâng cao hiệu quả quản lý rủi ro và thúc đẩy sự đổi mới Fintech đã trở thành một yếu tố quan trọng trong việc tăng lợi thế cạnh tranh tạo ra khả năng thích ứng hiệu quả hoạt động của các NHTM
Sự phát triển mạnh mẽ của Fintech đặt ra thách thức cho ngân hàng truyền thống khi cung cấp các dịch vụ vốn chỉ có ngân hàng Nghiên cứu của Chenn et al (2021) và Liu et al (2021) nhấn mạnh tác động tích cực của Fintech lên hoạt động ngân hàng, trong khi Nguyễn Trọng Tài và Trần Ngọc Anh (2022), Đinh Thị Thu Hồng và Nguyễn Hữu Tuấn (2021) lại cho thấy Fintech có thể hạn chế tác động tiêu cực Tuy nhiên, các ngân hàng có thể thực hiện các chiến lược đa dạng hóa thu nhập và đổi mới kinh doanh để giảm thiểu tác động tiêu cực Do dữ liệu về doanh thu hoặc quy mô công ty Fintech không được công bố rộng rãi, tác giả đã so sánh số lượng công ty Fintech với hiệu quả hoạt động ngân hàng, tương tự như phương pháp của Phan et al (2020) khi phân tích tác động của Fintech lên hệ thống ngân hàng Indonesia Nghiên cứu này là cần thiết để phản ánh ảnh hưởng của Fintech đến hiệu quả hoạt động ngân hàng Việt Nam, cung cấp góc nhìn mới và đề xuất giải pháp chính sách giúp ngân hàng vượt qua cạnh tranh trong bối cảnh hiện tại.
Mục tiêu nghiên cứu
Bài nghiên cứu nhằm tìm hiểu tác động của Fintech đến hiệu quả hoạt động của các NHTM Việt Nam, từ đó đề xuất các giải pháp nâng cao hiệu quả hoạt động ngân hàng trong bối cảnh cạnh tranh hiện nay
Mục tiêu nghiên cứu cụ thể của đề tài có 03 mục tiêu như sau: i Đo lường tác động của các công ty Fintech đến hiệu quả hoạt động của các
NHTM Việt Nam ii Đánh giá mức độ ảnh hưởng của Fintech đến hiệu quả hoạt động ngân hàng dựa trên mô hình phân tích định lượng iii Đưa ra khuyến nghị và giải pháp cụ thể để cải thiện hiệu quả hoạt động của các NHTM Việt Nam trong bối cảnh sự phát triển của Fintech.
Câu hỏi nghiên cứu của đề tài
Để đánh giá tác động của Fintech đến hiệu quả hoạt động của Ngân hàng thương mại (NHTM) Việt Nam, nghiên cứu sử dụng phương pháp định tính và định lượng, tiến hành phân tích dữ liệu từ các báo cáo tài chính và phỏng vấn chuyên gia Các câu hỏi hướng dẫn nghiên cứu bao gồm: (i) Các yếu tố chính nào của Fintech ảnh hưởng đến hiệu quả hoạt động của NHTM Việt Nam? (ii) Mức độ tác động của Fintech đến hiệu quả hoạt động của các ngân hàng ra sao? (iii) Những giải pháp nào có thể áp dụng để nâng cao hiệu quả hoạt động của NHTM Việt Nam trước sự phát triển của Fintech?
Đối tượng và phạm vi nghiên cứu
Đề tài nghiên cứu của bài nghiên cứu bao gồm hiệu quả hoạt động của ngân hàng dựa trên tiêu chí ROA trong đó biến Fintech (số lượng các công ty Fintech), Quy mô ngân hàng (SIZE), Tỷ lệ vốn chủ sở hữu (CAP), Tỷ lệ cho vay trên tiền gửi (LDR), Tỷ lệ dự phòng rủi ro tín dụng (LLP), Nợ xấu (LLP), tỷ lệ chi phí trên thu nhập (CIR) và các biến vĩ mô như tốc độ tăng trưởng (GDP) và tỷ lệ lạm phát (INF) Đối tượng khảo sát là thu thập dữ liệu của 20 NHTM Việt Nam từ Fiinpro để tiến hành lập mô hình nghiên cứu.
Phạm vi nghiên cứu
Phạm vi không gian: Đề tài nghiên cứu dữ liệu của 20 NHTM tại Việt Nam Đồng thời, các NHTM cần cung cấp đầy đủ dữ liệu có liên quan đến các biến số mà bài luận áp dụng để thực hiện nghiên cứu Sở dĩ chọn 20 ngân hàng là vì tác giả muốn có hạn chế trong bài nghiên cứu để có cơ sở cho các nghiên cứu sau này Dữ liệu về
20 NHTM đã được niêm yết trên sàn giao dịch chứng khoán Hồ Chí Minh và Hà Nội (HOSE và HNX) nên số liệu đã được kiểm duyệt trước khi công bố và có đầy đủ số liệu tài chính qua các năm cần phân tích
Phạm vi thời gian: Trong giai đoạn 2015 – 2022 vì dữ liệu về Fintech năm
Từ năm 2015 trở đi là mốc thời gian đánh dấu sự phát triển mạnh mẽ và phổ biến của công nghệ tài chính (Fintech) tại Việt Nam Phương pháp nghiên cứu sử dụng trong bài viết này sẽ lấy mốc thời gian này để phân tích dữ liệu, do chưa có số liệu chính xác và cụ thể hơn cho giai đoạn sau (2023).
Phương pháp nghiên cứu
Phương pháp nghiên cứu định lượng là phương pháp chính được sử dụng trong nghiên cứu này Phương pháp này được biết đến với độ chính xác cao, dựa trên dữ liệu thực tế để đánh giá ảnh hưởng của Fintech đến hiệu quả hoạt động của các NHTM tại Việt Nam Nghiên cứu này dùng kỹ thuật phân tích bao gồm các mô hình hồi quy: mô hình OLS, FEM và REM, cùng với mô hình GLS tất cả được thực hiện bằng phần mềm Stata 17.0 F-Test được sử dụng để so sánh và lựa chọn giữa mô hình OLS và FEM Hơn nữa, kiểm định Hausman được áp dụng để xác định sự phù hợp giữa mô hình FEM và REM Ngoài ra, hiện tượng đa cộng tuyến được đánh giá thông qua hệ số VIF, tự tương quan được kiểm tra bằng kiểm định Wooldridge và phương sai sai số thay đổi được thực hiện qua kiểm định Wald.
Đóng góp của nghiên cứu
Bài nghiên cứu này nhằm mục đích cung cấp thêm bằng chứng thực nghiệm về cách thức Fintech ảnh hưởng đến hiệu quả hoạt động của các NHTM Việt Nam
Hơn nữa, việc nghiên cứu mối quan hệ giữa Fintech và các hoạt động ngân hàng sẽ mang lại góc nhìn thú vị về vấn đề này
Bài nghiên cứu này đóng góp vào sự hiểu biết về tác động của Fintech đối với hiệu quả hoạt động của các ngân hàng thương mại tại Việt Nam, từ đó mở rộng cơ sở lý thuyết về mối quan hệ giữa công nghệ tài chính và hiệu quả ngân hàng Việc tổng hợp và phân tích các lý thuyết và nghiên cứu trước đây giúp xây dựng một nền tảng lý thuyết vững chắc, từ đó phát triển các mô hình và phương pháp phân tích định tính phù hợp Nghiên cứu cũng cung cấp các bằng chứng thực nghiệm về tác động của Fintech, góp phần bổ sung thêm vào tài liệu khoa học và là nguồn tài liệu tham khảo cho các nghiên cứu tương lai
Nghiên cứu cung cấp thông tin chi tiết và đáng tin cậy về tác động của Fintech đối với hiệu quả hoạt động của các NHTM tại Việt Nam, từ đó đưa ra các khuyến nghị cụ thể nhằm nâng cao hiệu quả hoạt động ngân hàng trong bối cảnh cạnh tranh khốc liệt Những phát hiện của nghiên cứu có thể giúp các nhà quản lý ngân hàng điều chỉnh chiến lược kinh doanh, tăng cường áp dụng công nghệ tài chính để cải thiện hiệu quả hoạt động và nâng cao khả năng cạnh tranh Đồng thời, nghiên cứu cũng cung cấp thông tin quan trọng cho các nhà đầu tư và các bên liên quan, giúp họ hiểu rõ hơn về sự phát triển và tiềm năng của Fintech, từ đó đưa ra các quyết định đầu tư và phát triển chiến lược hợp lý.
Kết cấu của đề tài
Nghiên cứu đề tài mang tên “Tác động của Fintech đối với hiệu quả hoạt động của các Ngân hàng Thương mại Việt Nam” bao gồm 5 chương
CHƯƠNG 1: GIỚI THIỆU NGHIÊN CỨU
Nghiên cứu xác định chủ đề dựa trên thực tiễn, thiết lập mục tiêu nghiên cứu rõ ràng và xây dựng câu hỏi nghiên cứu chi tiết để giải quyết các mục tiêu này Nghiên cứu xác định đối tượng, phạm vi và phương pháp, đồng thời nêu rõ cấu trúc của bài viết để đảm bảo tính mạch lạc và toàn diện của quá trình nghiên cứu.
CHƯƠNG 2: CƠ SỞ LÝ THUYẾT VÀ CÁC NGHIÊN CỨU LIÊN QUAN
Chương này sẽ tập trung vào việc thảo luận đề tài nghiên cứu bao gồm tổng quan các lý thuyết liên quan đến ảnh hưởng của Fintech Nội dung bao gồm việc tổng hợp và phân tích các nghiên cứu trong nước và nước ngoài Chương này cũng sẽ giải thích các yếu tố độc lập và phụ thuộc ảnh hưởng đến Fintech đối với hiệu quả hoạt động của ngân hàng
CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU
Để đánh giá tác động của các biến đến hiệu quả hoạt động của ngân hàng, tác giả tiến hành nghiên cứu, đề xuất mô hình nghiên cứu, đo lường các biến liên quan, phân tích dữ liệu nghiên cứu và sử dụng phương pháp phân tích hồi quy.
CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU
Tác giả đưa ra các giả thuyết nghiên cứu, đề xuất mô hình nghiên cứu xác định các biến đã thu thập được thông qua phần mềm Stata 17.0 Sau đó, để có được kết quả phân tích hồi quy, mô hình được kiểm tra thiếu sót đều được thực hiện từ đó có được kết quả hồi quy và thảo luận nhằm tìm ra các yếu tố và đo lường chính xác mức độ ảnh hưởng của Fintech đến hiệu quả hoạt độngcủa các NHTM tại Việt Nam
CHƯƠNG 5: KẾT LUẬN VÀ KHUYẾN NGHỊ
Chương cuối cùng của bài sẽ cung cấp toàn diện về các kết quả nghiên cứu
Sau đó, rút ra kết luận bao quát và đưa ra các khuyến nghị, cùng với những hạn chế của nghiên cứu, để xây dựng hàm ý chính sách cho các nhà quản lý của ngân hàng
Chương 1 trình bày sự cần thiết của vấn đề nghiên cứu được lựa chọn, nhấn mạnh ý nghĩa khoa học và thực tiễn của nó Chương này nêu rõ ba mục tiêu cụ thể của vấn đề nghiên cứu và xác định các câu hỏi nghiên cứu tương ứng Mẫu nghiên cứu bao gồm 20 NHTM với khoảng thời gian 8 năm từ 2015 đến 2022 Chương 1 cũng giới thiệu phương pháp được chọn, chủ yếu tập trung vào phương pháp định lượng sử dụng các phương pháp phân tích dữ liệu hồi quy Phân tích sử dụng dữ liệu bảng điều khiển từ các mô hình OLS, FEM, REM và GLS tổng hợp, tích hợp thống kê mô tả và phân tích tương quan với kiểm tra hiệu suất để phát hiện ra những thiếu sót trong mô hình nghiên cứu.
CƠ SỞ LÝ LUẬN VÀ CÁC NGHIÊN CỨU LIÊN QUAN
Tổng quan về Fintech
Hiện nay, chưa có định nghĩa cụ thể nào được chấp nhận phổ biến về thuật ngữ “Fintech” Theo Thomas Puschmann (2017) Fintech là một cụm từ rút gọn của hai từ “Financial” (Tài chính) và “Technology” (Công nghệ) Mặc dù công nghệ luôn là một phần của dịch vụ tài chính, thuật ngữ Fintech đã trở nên phổ biến rộng rãi trong những năm gần đây Có sự thật thú vị về các khái niệm Fintech vẫn còn đang định nghĩa và chưa có sự thống nhất Do đó, không thể tránh việc trình bày nhiều định nghĩa khác nhau của các tác giả và bài báo khác, nhằm mục đích hiểu đầy đủ ý nghĩa của Fintech Mặc dù một số tác giả cho rằng thuật ngữ Fintech đã được sử dụng sớm hơn nhiều nhưng thuật ngữ này vẫn được áp dụng phổ biến trong vài năm qua do sự phát triển vượt trội của ngành Fintech Khi nói đến mức độ phổ biến của thuật ngữ Fintech trong thời gian gần đây, có thể dễ dàng kết luận rằng thuật ngữ này ngày càng phổ biến song song với sự phát triển của ngành Fintech
Mặc dù Fintech tại Việt Nam có tiềm năng phát triển mạnh mẽ, nhưng vẫn còn nhiều hạn chế trong việc tiếp cận dữ liệu liên quan đến hoạt động của lĩnh vực này Hiện nay, dữ liệu về Fintech chỉ có thể thu thập thông qua việc theo dõi số lượng công ty Fintech thành lập qua các năm, được xem như một thước đo đại diện cho mức độ phổ biến của Fintech tại Việt Nam.
“Công nghệ tài chính” hoặc “Fintech” đề cập đến các giải pháp công nghệ hỗ trợ trong tài chính Thuật ngữ Fintech không chỉ giới hạn trong các lĩnh vực cụ thể hoặc mô hình kinh doanh (Ví dụ: P2P lending), mà thay vào đó bao gồm toàn bộ phạm vi dịch vụ và sản phẩm do ngành dịch vụ tài chính truyền thống cung cấp
Một ngành kinh tế bao gồm các công ty sử dụng công nghệ để làm cho hệ thống tài chính hiệu quả hơn McAuley, D (2015)
Fintech là một ngành tài chính mới áp dụng công nghệ để cải thiện các dịch vụ tài chính Patrick Schueffel (2016)
Fintech là một từ ghép giữa công nghệ và tài chính mô tả một ngành dịch vụ tài chính mới nổi trong thế kỷ 21 Investopedia (2016)
Fintech mô tả một doanh nghiệp nhằm cung cấp các dịch vụ tài chính bằng cách sử dụng phần mềm và công nghệ hiện đại Fintech Weekly (2016)
Fintech là các tổ chức có tốc độ tăng trưởng cao kết hợp các mô hình kinh doanh và công nghệ đổi mới để hỗ trợ, nâng cao và phá vỡ tài chính Ernst & Young Công nghệ tài chính (Fintech) là một thuật ngữ tổng quát cho bất kỳ công nghệ nào được sử dụng để tăng cường, hợp lý hoá, số hoá hoặc phá vỡ các dịch vụ tài chính truyền thống Forbes (2020)
Fintech là cụm từ viết tắt của "Financial Technology", chỉ các công ty hoặc đại diện của các công ty kết hợp dịch vụ tài chính với công nghệ hiện đại tiên tiến và đổi mới Fintech tận dụng những tiến bộ công nghệ để nâng cao hiệu quả, tiện lợi và khả năng tiếp cận các dịch vụ tài chính truyền thống, mang đến những sáng kiến và giải pháp mới để đáp ứng nhu cầu đa dạng của khách hàng trong kỷ nguyên số.
(2017) Fintech là những đổi mới công nghệ hỗ trợ và kích hoạt các dịch vụ ngân hàng và tài chính khác, làm gián đoạn lĩnh vực dịch vụ tài chính và/hoặc làm cho nó hiệu quả hơn
Kari S Larsen and Shariq Gilani (2017)
Nguồn: Tác giả tổng hợp
2.1.2 Đôi nét về hoạt động Fintech trên thế giới
Trong mảng quản lý hệ thống tài chính Trung Quốc đã phải học hỏi rất nhiều từ các nước phát triển trong nhiều năm nay Tuy nhiên, về Fintech có lẽ cả thế giới sẽ phải học hỏi từ kinh nghiệm từ Trung Quốc Trung Quốc luôn là đứng đầu thế giới trên thị trường về thanh toán kỹ thuật số, chiếm gần 50% toàn cầu Nhóm dân số về tầng lớp người tiêu dùng trung lưu nhanh chóng được kích thích bởi các phương thức thanh toán kỹ thuật số, xu hướng này được đẩy mạnh thông qua sự cải tiến của điện thoại thông minh – một bước tiến quan trọng đối với một dân số trước đây thiếu máy tính cá nhân phổ biến Hiện tại, 95% người dùng Internet Trung Quốc thực hiện mua sắm trực tuyến qua thiết bị di động Alipay, nền tảng thanh toán của Alibaba, nhanh chóng trở thành ví di động được nhiều người ưa chuộng Hơn nữa, Trung Quốc cũng thống lĩnh mảng cho vay ngang hàng (P2P lending), chiếm tới 3/4 thị trường thế giới
Fintech lấp khoảng trống này, phát triển các dịch vụ cho vay dựa trên các thông tin giao dịch cá nhân của khách hàng Alibaba và JD.com là hai cổng thương mại điện tử lớn nhất Trung Quốc cung cấp những khoản vay nhỏ, đặc biệt dưới 10.000 nhân dân tệ, cho người tiêu dùng và doanh nghiệp nhỏ
Mặc dù không mạnh như Trung Quốc về lĩnh vực Fintech Tuy nhiên, Mỹ vẫn có những đặc điểm riêng biệt Google Wallet là một điểm nhấn của Fintech Mỹ, giúp người dùng thực hiện các giao dịch mua sắm, gửi tiền hoặc thanh toán trên Google Play Thay vì sử dụng trực tiếp thẻ, khách hàng có thể chọn loại thẻ thanh toán tích hợp sẵn trên điện thoại thông minh và quét mã vào hệ thống của Google được cài đặt tại siêu thị hoặc cửa hàng Sau đó, hóa đơn sẽ hiển thị trên màn hình điện thoại, khách hàng chỉ cần xác nhận thanh toán mà không cần xếp hàng chờ đợi tại quầy thu ngân như trước đây Hiện nay, ngoài thị trường Mỹ, khách hàng còn có thể sử dụng Google Wallet để mua sắm tại nhiều quốc gia khác trên thế giới
GoBear: Một trong những cái nôi đã góp phần tạo ra các ứng dụng Fintech đầu tiên tại Châu Á GoBear đã tự khẳng định mình là nhà cung cấp dịch vụ so sánh hàng đầu Công ty công nghệ này đã thay đổi cách người tiêu dùng điều hướng bối cảnh tài chính, cho phép họ đưa ra lựa chọn sáng suốt một cách dễ dàng Chỉ trong vòng hai năm, công ty đã đạt hơn 4 triệu người dùng ở nhiều quốc gia, bao gồm Thái Lan, Malaysia, Philippines, Hồng Kong và Việt Nam Với kế hoạch thâm nhập thêm 12 thị trường trong tương lai gần, GoBear đã sẵn sàng trở thành nền tảng so sánh tài chính hàng đầu của khu vực Những nỗ lực kết hợp này đang giúp các startup trong lĩnh vực tài chính phát triển mạnh mẽ, khi chính phủ cung cấp các lợi ích thuế đáng kể và dễ dàng tiếp cận vốn
2.1.3 Sự phát triển của các công ty Fintech ở Việt Nam
2.1.3.1 T ổ ng quan ngành Fintech Vi ệ t Nam
Fintech là một ngành công nghiệp đang mở rộng tại Việt Nam với tiềm năng đáng kể Sự tiến bộ nhanh chóng của lĩnh vực công nghệ thông tin và việc hiện thực hóa khả năng của các giải pháp công nghệ tài chính trong việc giải quyết các thách thức của người dùng thúc đẩy sự gia tăng Fintech Bối cảnh Fintech của Việt Nam rất đa dạng, bao gồm các công ty trên nhiều lĩnh vực khác nhau Các doanh nghiệp Fintech này tham gia vào thanh toán điện tử, giao dịch chứng khoán trực tuyến, cho vay trực tuyến, quản lý tài chính cá nhân, bảo hiểm trực tuyến và các lĩnh vực khác
Sự đa dạng này mang đến cho người dùng Việt Nam nhiều lựa chọn Các tổ chức tài chính truyền thống đã bắt đầu hợp tác với các công ty Fintech để cung cấp các dịch vụ tài chính thuận tiện và hiệu quả hơn cho khách hàng
Việt Nam sở hữu tiềm năng to lớn cho lĩnh vực công nghệ tài chính (Fintech) với dân số trẻ năng động, tỷ lệ sử dụng di động cao và lượng người dùng Internet gia tăng Điều này đã thu hút sự chú ý và đầu tư từ cả nước ngoài lẫn trong nước, cung cấp cho người dùng các dịch vụ tài chính tiện lợi, minh bạch và tiết kiệm hơn so với những phương thức truyền thống.
Mặc dù vậy, thị trường Fintech của Việt Nam vẫn bị phân mảnh do sự gia tăng của các công ty khởi nghiệp Fintech chủ yếu tập trung vào các dịch vụ thanh toán kỹ thuật số, đặc biệt là ví điện tử và nền tảng thanh toán Phân khúc này phát triển nhanh nhất và phổ biến nhất trong ngành Tuy nhiên, các lĩnh vực như tài chính thay thế, quản lý tài sản và blockchain vẫn chưa được phát triển
Nhìn chung, thị trường Fintech của Việt Nam đang trong giai đoạn phát triển đầy hứa hẹn với nhiều cơ hội để các công ty khởi nghiệp mở rộng dịch vụ của mình Để thành công lâu dài, các công ty khởi nghiệp này cần ưu tiên tạo ra giá trị cho khách hàng và khám phá các cách thức hợp tác và phát triển cùng nhau
2.1.3.2 Phân tích th ị trườ ng Fintech Vi ệ t Nam
Cơ sở lý luận về hiệu quả hoạt động kinh doanh của NHTM
NHTM 2.2.1 Khái niệm về hiệu quả hoạt động kinh doanh của ngân hàng
Theo Phó Giáo sư Nguyễn Khắc Minh trong cuốn "Từ điển Toán Kinh tế, Thống kê và Kinh tế lượng Anh – Việt" Trong kinh tế, "Hiệu quả – Efficiency" định nghĩa là “Mối tương quan giữa đầu vào các yếu tố khan hiếm với đầu ra hàng hoá và dịch vụ" và “Khái niệm hiệu quả được dụng để xem xét các tài nguyên được các thị trường phân phối tốt như thế nào" Hiệu quả kinh doanh là phạm trù phản ánh trình độ lợi dụng các nguồn lực để đạt được các mục tiêu kinh doanh xác định Chỉ các doanh nghiệp kinh doanh mới để tối ưu hóa lợi nhuận nên mới cần đánh giá hiệu quả kinh doanh 4 Nhà kinh tế học Adam Smith cho rằng: “Hiệu quả là kết quả đạt được trong hoạt động kinh tế, là doanh thu tiêu thụ hàng hoá” Như vậy, hiệu quả được đồng nghĩa với chi tiêu phản ánh kết quả hoạt động kinh doanh, có thể do tăng chi phí mở rộng nguồn lực sản xuất Nếu cùng một kết quả có hai mức chi phí khác nhau thì theo quan điểm này doanh nghiệp cũng đạt hiệu quả
Farrell (1957) cho rằng hiệu quả thể hiện mối tương quan giữa các biến số đầu ra thu được so với các biến số đầu vào đã được sử dụng đề tạo ra những đâu ra đó
Trong tất cà các lĩnh vực kinh tế trong nước hay trên thế giới đều luôn đề cập và đặt hiệu quả lên hàng đầu Khi nói đến hiệu quả thì hiệu quả là một phạm trù được sử dụng rất rộng, không chỉ trong lĩnh vực kinh tế mà còn ở lĩnh vực kỹ thuật, xã hội Đề cập đến hiệu quả, cần phải phân biệt được hiệu quả với kết quả Hiệu quả là một tỷ số thể hiện sự so sánh kết quả đâu ra với yếu tố nguồn lực đầu vào Kết quả đầu ra thường biểu hiện bằng doanh thu và lợi nhuận Yếu tố đầu vào là những nguồn lực như lao động, chi phí, tài sản và nguồn vốn
Theo Antonio, Ludger và Vito (2006) thì "Hiệu quả là phép so sánh giữa đầu vào và đầu ra hay giữa lợi nhuận và chi phí Với cùng đầu vào cho trước, hoạt động nào tạo ra đầu ra lớn hơn sẽ là hoạt động hiệu quả hơn" Vì vậy, đo lường hiệu quả của các NHTM thì mục tiêu của họ là tối đa hoá lợi nhuận với mức độ rủi ro là thấp nhất có thể, đó là những NHTM hoạt động kinh doanh với hiệu quả cao Hiệu quả hoạt động của NHTM còn có thể được hiểu là khả năng biến đổi các đầu vào thành các đầu ra hay khả năng sinh lời hoặc giảm thiểu chi phí để tăng khả năng cạnh tranh với các định chế tài chính khác (Lý thuyết hệ thống) Một cách diễn đạt khác Berger và Mester (1997) phát biểu rằng hiệu quả hoạt động của các NHTM thể hiện ở môi quan hệ giữa doanh thu và chi phí sử dụng các nguồn lực hay chính là khả năng biến các nguồn lực đầu vào thành các đầu ra tốt nhất trong hoạt động kinh doanh
4 Giáo trình Quản trị kinh doanh - Tập 1, NXB Đại học Kinh tế quốc dân, trang 149 (2013) https://www.slideshare.net/man2017/gio-trnh-qun-tr-kinh-doanh-tp-1-nguyn-ngc-huyn-ch-bin-v- cc-tc-gi-khcpdf
Hiệu quả hoạt động của NHTM được thể hiện trên 3 phương diện: tối thiểu hóa chi phí bằng cách sử dụng ít nhất các yếu tố đầu vào để tạo ra đầu ra như trước; giữ nguyên đầu vào nhưng tăng sản lượng đầu ra; tăng đầu vào nhưng sản lượng đầu ra tăng nhanh hơn Để đánh giá hiệu quả, cần xét đến việc NHTM sử dụng tối ưu các yếu tố đầu vào và đạt được sản lượng đầu ra tối đa.
Trong hoạt động của các NHTM, hiệu quả có thể được xem xét theo hai khía cạnh sau: i Tỷ lệ chuyển đổi đầu vào thành đầu ra, lợi nhuận hoặc giảm thiểu chi phí: Điều này đánh giá năng lực quản lý nguồn lực của ngân hàng để tạo ra lợi nhuận hoặc giảm thiểu chi phí, từ đó tăng cường cạnh tranh ii Tỷ lệ an toàn của ngân hàng: Đây là yếu tố quan trọng đảm bảo sự an toàn và ổn định của hệ thống tài chính Ngân hàng cần duy trì mức an toàn hợp lý để tránh các rủi ro tiềm ẩn
Tóm lại, quan điểm về hiệu quả hoạt động rất đa dạng và có thể được xem xét từ nhiều khía cạnh khác nhau cho mục đích nghiên cứu Trong bài viết này, tác giả tiếp cận bằng cách kiểm tra mối quan hệ tối ưu giữa các kết quả kinh tế đạt được và chi phí bỏ ra để đạt được kết quả đó, cũng như khả năng duy trì hoạt động ngân hàng
Về phương pháp đo lường của Berger và Humphrey (1997), Heffernan và Fu (2008) thường áp dụng phương pháp sử dụng các chỉ số tài chính là phương pháp chính trong phân tích hiệu quả hoạt động của các NHTM
2.2.2.1 Phương pháp sử d ụ ng các ch ỉ s ố tài chính
Chỉ số tài chính là giá trị thu được từ việc so sánh các số liệu tài chính hoặc kinh doanh với nhau Chúng đóng vai trò quan trọng trong việc đánh giá, phân tích và thẩm định hiệu quả hoạt động kinh doanh của các ngân hàng thương mại Chỉ số tài chính giúp các nhà phân tích và nhà đầu tư hiểu rõ hơn về tình hình tài chính, hiệu quả hoạt động và triển vọng tương lai của doanh nghiệp.
Mỗi chỉ số tài chính thể hiện mối quan hệ giữa hai biến tài chính khác nhau, tạo điều kiện thuận lợi cho việc so sánh và phân tích giữa các chi nhánh và ngân hàng khác nhau, cũng như theo dõi những thay đổi của các biến này theo thời gian Nhiều loại tỷ lệ tài chính khác nhau được sử dụng để đánh giá các khía cạnh khác nhau của hoạt động ngân hàng Các chỉ số tài chính này bao gồm các tỷ số phản ánh khả năng sinh lợi, các tỷ số phản ánh hiệu quả hoạt động kinh doanh và các tỷ số phản ánh rủi ro tài chính của một ngân hàng
Nhóm chỉ số phản ánh khả năng sinh lời: Chỉ số lợi nhuận bao gồm cả lợi nhuận trên doanh thu và lợi nhuận trên vốn Tỷ lệ lợi nhuận trên doanh thu cho biết tỷ lệ phần trăm doanh thu tạo nên lợi nhuận, trong khi tỷ lệ nghịch đảo có thể được tính từ chi phí Điều này giúp đánh giá liệu một ngân hàng có đang quản lý hiệu quả chi phí của mình để tăng thu nhập trong suốt vòng đời hoạt động hay không, điều này thể hiện rõ qua sự gia tăng lợi nhuận so với doanh thu Mặt khác, tỷ lệ lợi nhuận trên vốn cho thấy lợi nhuận tạo ra trên mỗi đô la vốn đầu tư Cụ thể, tỷ lệ này đo lường thu nhập hoặc lợi nhuận bằng cách so sánh với vốn Nó cung cấp một góc nhìn so sánh để đánh giá chi phí vốn hoặc tỷ lệ lợi nhuận dự kiến, qua đó đánh giá hiệu quả của vốn kinh doanh Trong bài viết này, tác giả thảo luận về lợi nhuận trên vốn
Thông lệ quốc tế chứng minh rằng lợi nhuận thường được biểu thị bằng các tỷ lệ tài chính như lợi nhuận gộp trên tài sản (ROA), lợi nhuận trên vốn chủ sở hữu (ROE), biên lợi nhuận ròng (NIM), thu nhập ròng ngoài lãi (NOM), biên lợi nhuận hoạt động (TNHDB) và thu nhập trên mỗi cổ phiếu (EPS)
Nhóm các số liệu phản ánh hiệu quả kinh doanh: Tối đa hóa lợi nhuận là mục tiêu chính của bất kỳ doanh nghiệp nào, bao gồm cả các NHTM cũng không ngoại lệ Để nâng cao hoạt động kinh doanh, các NHTM thường tập trung vào việc giảm chi phí hoạt động, tăng năng suất lao động thông qua tự động hóa và nâng cao trình độ của nhân viên Do đó, các chỉ số đo lường hiệu quả hoạt động của ngân hàng và năng suất của nhân viên bao gồm tổng chi phí hoạt động so với tổng doanh thu từ hoạt động, năng suất lao động (được đo bằng thu nhập hoạt động trên mỗi nhân viên toàn thời gian) và các chỉ số so sánh về tổng thu nhập hoạt động trung bình trên tổng tài sản
Nhóm chỉ tiêu phản ánh rủi ro tài chính: Hoạt động kinh doanh của các ngân hàng thương mại vốn dĩ bao gồm cả rủi ro và lợi nhuận Bên cạnh việc tập trung vào việc cải thiện giá cổ phiếu và thúc đẩy lợi nhuận, các nhà quản lý NHTM thường duy trì kiểm soát chặt chẽ đối với nhiều loại rủi ro như rủi ro tín dụng, rủi ro thanh khoản, rủi ro lãi suất, rủi ro phá sản và rủi ro thu nhập
Khung lý thuyết
Các lý thuyết có liên quan cần xem xét khi đánh giá sự tác động giữa Fintech và ngân hàng như sau: (i) lý thuyết người tiêu dùng, (ii) lý thuyết đổi mới đột phá (iii) lý thuyết sản xuất thông tin
2.3.1 Lý thuyết người tiêu dùng
Theo lý thuyết người tiêu dùng, khi nhu cầu của người tiêu dùng và cung ứng được cân bằng, các dịch vụ truyền thống có thể được thay thế bằng các dịch vụ mới (Aaker and Keller, 1990) Một phép so sánh có thể được thực hiện với Fintech, đại diện cho các dịch vụ mới được tạo ra và các dịch vụ truyền thống tương ứng với các hoạt động ngân hàng truyền thống
Theo Buskens (2020), để thu hút người tiêu dùng sử dụng công nghệ mới hoặc cải tiến nói chung, điều quan trọng là họ phải nhận được thông tin về sản phẩm để nhận biết được những nhược điểm của nó Cuối cùng, người tiêu dùng phải tin tưởng vào sự đổi mới được đề xuất Khi tiếp cận một sản phẩm mới, đặc biệt là trong lĩnh vực công nghệ, bảo vệ dữ liệu và quyền riêng tư là mối quan tâm chính của khách hàng Do đó, các công ty phải cung cấp bảo vệ dữ liệu và minh bạch khi phát triển một sản phẩm Fintech mới (Stewartand & Jürjens, 2018).
Trong bối cảnh số lượng công ty Fintech gia tăng chóng mặt trên toàn cầu, đặc biệt là tại Việt Nam, lý thuyết tiêu dùng cho thấy các dịch vụ mới do Fintech cung cấp có khả năng cạnh tranh và thay thế những dịch vụ ngân hàng truyền thống Hiệu ứng thay thế này diễn ra mạnh mẽ và nhanh chóng hơn ở những quốc gia đông và có tỷ lệ dân số trẻ cao Lý do là các quốc gia này thường có tốc độ tiếp thu và thích nghi với công nghệ mới nhanh chóng, đồng thời ưa chuộng các sản phẩm gắn liền với công nghệ hiện đại Điều này dẫn đến việc khách hàng dễ dàng chuyển sang sử dụng dịch vụ của Fintech vì sự tiện lợi, nhanh chóng và ít tốn thời gian hơn
2.3.2 Lý thuyết đổi mới đột phá
Khái niệm đổi mới đột phá do (Christensen, 2013) đã nghiên cứu cho rằng Lý thuyết về đổi mới cho rằng các doanh nghiệp mới gia nhập thị trường, nhờ khả năng ứng dụng công nghệ tiên tiến để cung cấp các loại sản phẩm và dịch vụ dễ dàng tiếp cận với chi phí hiệu quả, sẽ tạo ra sức ép gay gắt đối với ngân hàng Điều này ám chỉ rằng các công ty Fintech, cùng với các dịch vụ như cho vay, thanh toán, quản lý tài sản, tư vấn tài chính, bảo hiểm, thì giờ đây cũng có thể cung ứng dịch vụ nhanh chóng với chi phí cạnh tranh hơn so với các NHTM vốn đã có vị thế độc quyền
Peres, Muller and Mahajan (2010) định nghĩa khuếch tán đổi mới là quá trình triển khai các sản phẩm và dịch vụ mới vào thị trường do các tác động xã hội Ông xem xét hai loại tác động xã hội: ngoại tác mạng lưới và tín hiệu xã hội Ngoại tác mạng lưới cho rằng lợi ích của một cá nhân sẽ tăng lên khi số lượng người tiêu dùng sản phẩm cụ thể đó tăng lên (McGee and Sammut-Bonnici, 2014) Theo (Poggi et al.,
2010) tín hiệu xã hội bao gồm mọi kích thích chuyển thành thông tin liên quan đến các sự kiện xã hội như: “Sự tương tác xã hội, thái độ xã hội, quan hệ xã hội và cảm xúc”
Toàn cầu hóa được coi là một yếu tố thúc đẩy quan trọng đối với sự phổ biến của công nghệ tài chính (Saksonova và Kuzmina-Merlino, 2017) Bằng chứng là toàn cầu hóa đóng một vai trò quan trọng trong quá trình mở rộng Fintech, tách biệt khỏi lĩnh vực ngân hàng truyền thống Điều này cho phép các doanh nghiệp SME tích hợp công nghệ thông tin với ngành tài chính.
Buskens (2020) cho rằng mạng xã hội là một trong những cơ chế lan truyền thông tin nhanh nhất và khuyến khích sự tin tưởng Tuy nhiên, việc khuếch tán này phải được thực hiện theo từng giai đoạn của quá trình đổi mới và mục tiêu của nó
2.3.3 Lý thuyết sản xuất thông tin
Thông tin không đối xứng dựa trên thực tế rằng các tác nhân kinh tế khác nhau nắm giữ các loại thông tin khác nhau và cố gắng tận dụng nó một cách kinh tế (Bhattacharya and Thakor, 1993) Do đó, thông tin bất cân xứng có thể tạo ra hai vấn đề: lựa chọn bất lợi và rủi ro đạo đức Lựa chọn bất lợi là vấn đề xảy ra trước giao dịch khi một bên nắm giữ nhiều thông tin hơn Vấn đề thứ hai là rủi ro đạo đức Nó xảy ra sau giao dịch khi một bên lợi dụng thông tin để chống lại bên kia (Freixas and Rochet, 1998)
Các tổ chức tài chính như NHTM có kiến thức nâng cao về xử lý thông tin người vay Vì vậy, họ có ưu thế về mặt thông tin, cho phép họ phân bổ vốn tốt hơn cho khách hàng của mình, do đó giảm nhẹ vấn đề bất đối xứng thông tin (Diamond and Dybvig, 1983) Thông tin bất cân xứng đặc biệt có liên quan trong tình huống cho vay/đi vay, trong đó rõ ràng là người cho vay nắm giữ nhiều thông tin hơn người đi vay Vấn đề này có thể được giảm thiểu bằng cách sử dụng các cơ sở dữ liệu lớn do các công cụ Fintech cung cấp Ví dụ, trong các nền tảng như cho vay ngang hàng, cơ sở dữ liệu lớn có thể giảm chi phí tìm kiếm của người mua và giảm chi phí từ quan điểm của người bán (Yan et al., 2015) Do đó, bằng cách giảm cả hai loại chi phí, vấn đề bất đối xứng thông tin cũng được giảm.
PHƯƠNG PHÁP NGHIÊN CỨU
Quy trình nghiên cứu
Thông thường, nghiên cứu bắt đầu từ việc tham khảo cơ sở lý thuyết và các công trình có liên quan, từ đó xây dựng các giả thuyết và mô hình Sau đó, tiến hành phân tích các mô hình này và đề xuất các khuyến nghị phù hợp Quá trình nghiên cứu được trình bày chi tiết như sau:
Hình 3.1 Quy trình nghiên cứu
Nguồn: Tác giả tổng hợp
Bước 1: Xác định mục tiêu nghiên cứu, nêu rõ các mục đích và mục tiêu cụ thể Tiếp theo, khám phá chuyên sâu về Fintech thông qua việc xem xét các khung lý thuyết liên quan và các nghiên cứu trước đó.
Bước 6: Đưa ra các đề xuất gợi ý về chính sách và hạn chế của đề tài
Bước 5: Phân tích các kết quả đạt được và thảo luận
Bước 4: Lựa chọn mô hình và ước tính Bước 3: Thu thập dữ liệu nghiên cứu Bước 2: Thiết kế, xác định mô hình nghiên cứu và phương pháp nghiên cứu
Bước 1: Tìm hiểu, tóm tắt cơ sở lý thuyết và các nghiên cứu liên quan cứu trong nước và nước ngoài Trong việc xem xét tài liệu này giúp xác định những khoảng trống nghiên cứu và dẫn đến việc hình thành các câu hỏi nghiên cứu cụ thể
Từ đó, xác định cơ sở lý thuyết và phương pháp nghiên cứu
Bước 2: Dựa trên nền tảng lý thuyết và các nghiên cứu thực tiễn, tác giả chọn mô hình phù hợp để đánh giá tác động của Fintech đến hiệu quả ngân hàng Sau đó, giải thích các biến số và thiết lập các giả thuyết nghiên cứu
Thu thập dữ liệu sẽ được thực hiện từ các nguồn uy tín bao gồm các trang web tài chính ngân hàng như Fiinpro, các tổ chức nổi tiếng như Ngân hàng Thế giới và Tổng cục Thống kê Việt Nam Dữ liệu được thu thập theo khoảng thời gian từ năm 2015 đến năm 2022.
Sau đó, dữ liệu đã được làm sạch bằng Excel sẽ được tính toán, giá trị trung bình sẽ được thu thập và dữ liệu sẽ được xử lý để đáp ứng các yêu cầu đặc tả mô hình Các tác giả sẽ sử dụng phần mềm Stata 17.0 để phân tích các giá trị
Bước 4: Tác giả chọn mô hình phù hợp dựa trên các thử nghiệm chẩn đoán như Pooled OLS, FEM và REM Nếu mô hình không đáp ứng các kiểm định chẩn đoán, tác giả sử dụng kiểm định F-Test và kiểm định Hausman Test để so sánh và chọn mô hình tốt nhất Để đảm bảo tính khách quan và hiệu quả, tác giả kiểm tra và khắc phục các vấn đề như đa cộng tuyến, tự tương quan và biến động phương sai sai số, sau đó áp dụng phương pháp GLS trên dữ liệu bảng
Bước 5: Tác giả tiến hành phân tích và đánh giá toàn diện các kết quả nghiên cứu Điều này liên quan đến việc thực hiện phân tích mô tả và kiểm tra ma trận hệ số tương quan giữa các biến Sau đó, kết quả được phân tích dựa trên những ước tính này, so sánh với các giả thuyết ban đầu và kỳ vọng nghiên cứu và so sánh kết quả với các nghiên cứu thực nghiệm trước đây
Bước 6: Tác giả đánh giá kết quả nghiên cứu, đề xuất các khuyến nghị cho các NHTM, cho ban lãnh đạo và đề xuất các khuyến nghị chính sách Đưa ra các cải tiến và khuyến nghị liên quan đến mô hình và nhấn mạnh hạn chế còn sót lại.
Mô hình nghiên cứu
Tác giả lựa chọn ROA cho mô hình nghiên cứu vì những lí do sau đây: Tỷ suất lợi nhuận trên tổng tài sản (ROA) là một chỉ số phổ biến và quan trọng trong việc đo lường hiệu quả sử dụng của một ngân hàng, ROA thể hiện khả năng sinh lời từ tổng tài sản của ngân hàng, kể cả tài sản cố định và tài sản lưu động ROA sẽ giúp so sánh hiệu quả hoạt động giữa các ngân hàng khác nhau một cách công bằng hơn bởi nó không bị ảnh hưởng bởi cấu trúc vốn hoặc mức độ vay nợ của từng ngân hàng ROA cũng là một chỉ số được sử dụng rộng rãi trong các nghiên cứu tổ chức quốc tế giúp so sánh và đối chiếu với các nghiên cứu trước đó một cách dễ dàng
Dựa trên các nghiên cứu trước đây bao gồm nghiên cứu trong và ngoài nước như: Đinh Thị Thu Hằng and Nguyễn Hữu Tuấn (2021) và Pasiouras, F & Kosmidou, K (2007)
Như vậy, mô hình nghiên cứu sẽ có phương trình và tại bảng 3.1 như sau:
Trong đó: i: danh sách NHTM tại Việt Nam t: từ năm 2015 - 2022
𝛽 𝑜 : hệ số chặn 𝛽 1 , 𝛽 2 , … , 𝛽 9 : các hệ số hồi quy cho các biến độc lập tương ứng 𝜀: phần dư
ROA: Tỷ suất lợi nhuận trên tổng tài sản
FT: Mức độ phát triển của Fintech và được đo lường bằng logarit tự nhiên của số lượng doanh nghiệp Fintech
SIZE: Quy mô ngân hàng được ước tính bằng cách sử dụng logarit tự nhiên của tổng tài sản
CAP: Tỷ lệ vốn chủ sở hữu
NPL: Được ước tính bằng tỷ lệ nợ xấu, trong đó nợ xấu là tổng của các khoản nợ không tích lũy và tất cả các khoản nợ quá hạn từ 90 ngày trở lên
Tỷ lệ cho vay trên tiền gửi (LDR) phản ánh khả năng thanh toán nợ của ngân hàng Tỷ lệ dự phòng rủi ro tín dụng (LLP) thể hiện khả năng bảo vệ ngân hàng khỏi tổn thất do nợ xấu Chi phí hoạt động so với thu nhập hoạt động (CIR) là thước đo hiệu quả hoạt động, trong khi tỷ lệ lạm phát (INF) đo lường mức tăng chung của giá cả.
GDP: Tỷ lệ tăng trưởng GDP
Bảng 3.1 Tổng hợp mô tả các biến đo lường được sử dụng trong nghiên cứu
STT Biến Diễn giải Cách đo lường Dấu kỳ vọng Hiệu quả hoạt động (biến phụ thuộc)
1 ROA Tỷ suất lợi nhuận trên tổng tài sản
Lợi nhuận trước thuế và dự phòng /Tổng tài sản
2 FT Mức độ phát triển của lĩnh vực Fintech
Logarit tự nhiên số lượng công ty Fintech -
3 SIZE Quy mô ngân hàng Logarit tự nhiên tổng tài sản + 4 CAP Tỷ lệ vốn chủ sở hữu Vốn chủ sở hữu/Tổng tài sản +
5 NPL Nợ xấu Tổng nợ xấu/Tổng dư nợ -
6 LDR Tỷ lệ cho vay trên tiền gửi Tổng dư nợ cho vay/Tổng tiền gửi +
7 LLP Tỷ lệ dự phòng rủi ro tín dụng Dự phòng rủi ro/Tổng dư nợ -
8 CIR Tỷ lệ chi phí trên thu nhập Tổng chi phí hoạt động/Tổng thu nhập hoạt động -
9 INF Tỷ lệ lạm phát Thu thập dữ liệu từ World
10 GDP Tăng trưởng kinh tế Thu thập dữ liệu từ World
Nguồn: Tác giả tổng hợp
Giả thuyết nghiên cứu
Tỷ suất lợi nhuận trên tổng tài sản – ROA
Tỷ suất lợi nhuận trên tổng tài sản được gọi là ROA, đo lường hiệu quả quản lý ngân hàng trong việc tạo ra lợi nhuận từ tài sản của ngân hàng Tỷ lệ này cho biết mức độ hiệu quả của việc quản lý có thể kiếm được lợi nhuận trên mỗi đơn vị tài sản
Do đó, ROA về mặt lý thuyết gợi ý khả năng quản lý của ngân hàng trong việc tạo ra lợi nhuận từ tài sản của ngân hàng, mặc dù nó có thể bị thiên lệch do các hoạt động ngoại bảng
3.3.2 Biến độc lập (1) Fintech – Công nghệ tài chính
Fintech tương ứng với số lượng công ty Fintech được thành lập mỗi năm trong khoảng thời gian 8 năm Các doanh nghiệp Fintech được thành lập từ năm 2015 đến năm 2022, được lấy theo nguồn Fintech News Singapore Do đó, dữ liệu trong mẫu là những công ty đang vẫn hoạt động trong thời gian thực hiện nghiên cứu Mục đích của biến độc lập này là để nhận biết tác động của sự tăng trưởng của các công ty công nghệ tài chính Đây là một biến số theo chuỗi thời gian, ngược lại với các biến độc lập còn lại Số lượng ngày càng tăng của các công ty Fintech được coi là nguồn sáng tạo và cạnh tranh đối với ngân hàng truyền thống Các doanh nghiệp Fintech có thể được xem như một đối thủ cạnh tranh mới Do đó, tác giả kỳ vọng rằng nó sẽ ảnh hưởng tiêu cực đến hiệu quả hoạt động của ngân hàng Giả thuyết này được chứng thực bởi Iman (2019), Phan et al (2020), Wu & Yuan (2021)
Công thức đo lường các công ty Fintech trong nghiên cứu:
𝐹𝑇 𝑡 = 𝐿𝑛 (𝑇ổ𝑛𝑔 𝑠ố 𝑙ượ𝑛𝑔 𝑐ô𝑛𝑔 𝑡𝑦 𝐹𝑖𝑛𝑡𝑒𝑐ℎ) 𝑡 𝑯 𝟏 : Fintech tác động ngược chiều với hiệu quả hoạt động của các NHTM
(2) Quy mô ngân hàng (SIZE)
Biến đại diện cho quy mô ngân hàng được tính bằng logarit tự nhiên của tổng tài sản Phan et al., (2020) Nghiên cứu của Dietrich và Wanzenried (2014), Kong
(2022), đã chứng minh rằng quy mô ngân hàng có mối quan hệ tích cực với hiệu quả hoạt động Các ngân hàng lớn thường được hưởng lợi từ tính kinh tế theo quy mô (nâng cao hiệu quả), tính kinh tế theo phạm vi (tăng đa dạng hóa sản phẩm) và giảm phí tài trợ khi so sánh với các ngân hàng nhỏ hơn Hơn nữa, khái niệm “quá lớn để sụp đổ” nhằm bảo vệ cho các ngân hàng lớn Từ quan điểm thị trường, các ngân hàng lớn hơn được dự đoán sẽ có ảnh hưởng thị trường lớn hơn và nhận diện thương hiệu mạnh mẽ hơn Tuy nhiên, nghiên cứu của Phát et al (2024) nhận thấy quy mô ngân hàng lớn hơn có thể ảnh hưởng tiêu cực đến hiệu quả hoạt động Hiệu ứng này có thể được giải thích bởi sự hiện diện của quy mô, xung đột giữa các cơ quan và quan liêu về chi phí ở các ngân hàng lớn hơn có thể giải thích kết luận này
Công thức đo lường quy mô ngân hàng trong nghiên cứu:
𝑯 𝟐 : Quy mô ngân hàng tác động cùng chiều với hiệu quả hoạt động của các NHTM
(3) Tỷ lệ vốn chủ sở hữu (CAP)
Tỷ lệ vốn như một chỉ số về sức mạnh tài chính Trong nghiên cứu này, tác giả đánh giá cường độ vốn bằng cách sử dụng phương pháp tiếp cận dựa trên rủi ro được nêu trong khuôn khổ Basel II và Basel III Ảnh hưởng của tỷ lệ này đối với lợi nhuận ngân hàng vẫn còn không rõ ràng trong các nghiên cứu trước đây Về mặt lý thuyết, các ngân hàng có vốn hóa cao được xem là an toàn hơn và có khả năng phục hồi tốt hơn trước các cú sốc kinh tế hoặc bên ngoài Ngoài ra, các ngân hàng này có thể tiếp cận nguồn vốn với chi phí thấp nhất, giảm chi phí lãi vay đối với các khoản nợ không được bảo hiểm và từ đó thúc đẩy lợi nhuận Hơn nữa, một số tác giả bao gồm Dietrich and Wanzenried (2014), Trujillo-Ponce (2013), Bùi Huy Trung et al
(2022) cũng chỉ ra rằng CAP ảnh hưởng tích cực đến các chỉ số lợi nhuận
Công thức đo lường tỷ lệ vốn chủ sở hữu trong nghiên cứu:
𝑯 𝟑 : Tỷ lệ vốn chủ sở hữu tác động cùng chiều tới hiệu quả hoạt động của các NHTM
Các khoản nợ xấu được xác định bằng cách chia tổng các nhóm nợ xấu (nhóm 3, 4 và 5) cho tổng dư nợ, phản ánh mức độ rủi ro mà các NHTM phải đối mặt, phản ánh chất lượng tín dụng và sức khỏe tài chính của ngân hàng, đồng thời phần nào phản ánh hiệu quả hoặc năng lực quản trị của ngân hàng Tỷ lệ nợ xấu càng cao thì chất lượng tín dụng càng thấp, do đòi hỏi các ngân hàng phải tăng trích lập dự phòng, tăng chi phí dự phòng rủi ro tín dụng và giảm lợi nhuận của ngân hàng Nợ xấu có mối quan hệ nghịch đảo với lợi nhuận của ngân hàng Có nhiều nghiên cứu ủng hộ quan điểm này, chẳng hạn như Trujillo‐Ponce (2013), Kong (2022) Nó được ước tính bằng tỷ lệ nợ xấu, trong đó các khoản nợ xấu là tổng các khoản nợ xấu và tất cả các khoản vay quá hạn từ 90 ngày trở lên
Công thức đo lường tỷ lệ nợ xấu trong nghiên cứu:
𝑯 𝟒 : Nợ xấu tác động ngược chiều với hiệu quả hoạt động của các NHTM
(5) Tỷ lệ cho vay trên tiền gửi (LDR)
Tỷ lệ cho vay trên tiền gửi được sử dụng để đánh giá tính thanh khoản của ngân hàng bằng cách so sánh tổng số khoản cho vay với tổng số tiền gửi trong cùng khoảng thời gian Nếu tỷ lệ quá cao cho thấy tiềm ẩn ngân hàng gặp khó khăn trong việc đáp ứng các yêu cầu về vốn gây thiếu thanh khoản Mặt khác, nếu tỷ lệ quá thấp cho thấy ngân hàng không đạt được lợi nhuận như kỳ vọng Đã có nhiều nghiên cứu về ảnh hưởng của tỷ lệ thanh khoản đến lợi nhuận ngân hàng như nghiên cứu của
Pasiouras và Kosmidou (2007) đã khám phá mối quan hệ tích cực giữa tỷ lệ thanh khoản đến lợi nhuận ngân hàng
Công thức tính tỷ lệ cho vay trên tiền gửi trong nghiên cứu:
𝑯 𝟓 : Tỷ lệ cho vay trên tiền gửi tác động cùng chiều với hiệu quả hoạt động của các NHTM
(6) Tỷ lệ dự phòng rủi ro tín dụng (LLP)
Tỷ lệ dự phòng dự phòng rủi ro cho vay được chọn làm đại diện cho rủi ro tín dụng Biến số này dự kiến sẽ bù đắp các tổn thất cho vay tiềm năng Do đó, bảo vệ vị thế của ngân hàng về vốn và lợi nhuận Các ngân hàng phải đối mặt với các khoản vay rủi ro cao trở nên mong manh Nói cách khác, tỷ lệ lãi suất cao sẽ dẫn đến chất lượng tín dụng giảm, từ đó làm giảm hiệu quả hoạt động của ngân hàng Mối quan hệ tiêu cực được ghi nhận trong các nghiên cứu trước đây của Li et al (2021), Lê Hải Trung (2024), Bùi Huy Trung et al (2022)
Công thức đo lường Tỷ lệ dự phòng rủi ro tín dụng trong nghiên cứu:
𝑯 𝟔 : Dự phòng rủi ro tác động ngược chiều với hiệu quả hoạt động của các NHTM
(7) Tỷ lệ chi phí trên thu nhập (CIR)
Tỷ lệ chi phí khi trên thu nhập là thước đo quan trọng để đánh giá hiệu quả quản lý chi phí và ảnh hưởng của nó đến hiệu suất của ngân hàng Tỷ lệ này phản ánh chi phí hoạt động ngân hàng, yếu tố chính là lương và phúc lợi của nhân viên thường sẽ có mối quan hệ tiêu cực với hoạt động của ngân hàng CIR đã được sử dụng trong một số nghiên cứu trước đây, chẳng hạn như nghiên cứu của Bùi Huy Trung et al
Công thức đo tỷ lệ chi phí trên thu nhập trong nghiên cứu:
𝑯 𝟕 : Tỷ lệ chi phí trên thu nhập tác động ngược chiều tới hiệu quả hoạt động của các NHTM
(8) Tỷ lệ lạm phát (INF)
Lạm phát là sự gia tăng liên tục của giá cả chung, tác động tiêu cực tới thị trường tài chính và các hoạt động kinh tế, bao gồm cả ngân hàng Lạm phát thúc đẩy ngân hàng tăng lãi suất, dẫn tới chi phí sản xuất tăng cao Điều này gây khó khăn cho doanh nghiệp, đặc biệt là khi họ phải đối mặt với áp lực trả nợ và chi phí sản xuất gia tăng.
𝑯 𝟖 : Tỷ lệ lạm phát tác động cùng chiều tới hiệu quả hoạt động của các NHTM
(9) Tăng trưởng kinh tế (GDP)
Tăng trưởng kinh tế hay GDP còn biết đến dưới khái niệm tổng sản phẩm quốc nội, là sự mở rộng hoạt động kinh tế của một quốc gia trong thời kỳ nhất định Đây được xem là chỉ số quan trọng về quy mô và sức mạnh kinh tế Trong thời kỳ tăng trưởng, các công ty tối ưu hóa sản xuất, đầu tư mở rộng thị trường, nâng cao chất lượng sản phẩm dẫn đến nhu cầu vay vốn cao hơn và đẩy mạnh doanh thu và lợi nhuận cho doanh nghiệp và cá nhân, nâng cao khả năng trả nợ Ngược lại, trong thời kỳ kinh tế suy thoái, nhu cầu tiêu dùng giảm, hàng tồn kho của công ty tăng và khả năng trả nợ giảm Những điều kiện này làm tăng rủi ro cho cả cá nhân và doanh nghiệp tạo ra những thách thức mới cho các tổ chức tín dụng
𝑯 𝟗 : Tăng trưởng kinh tế tác động cùng chiều tới hiệu quả hoạt động của các
DỮ LIỆU NGHIÊN CỨU
Nghiên cứu này sử dụng dữ liệu thứ cấp từ bảng cân đối kế toán, bảng kết quả hoạt động ngân hàng và thuyết minh báo cáo báo cáo tài chính của 20 NHTM tại Việt Nam từ năm 2015 đến năm 2022 Để đánh giá mức độ cạnh tranh giữa các công ty Fintech với các NHTM, tác giả sử dụng logarit tự nhiên của số lượng Fintech các công ty để đo lường sự phát triển của họ Dữ liệu nghiên cứu này cũng được áp dụng bởi Phan et al (2019), Wu & Yuan (2021) và Kong (2022) Dữ liệu được thu thập từ Fintech News Singapore tổng hợp thu thập Bên cạnh đó, dữ liệu Fintech cũng đươc tác giả lấy từ các báo cáo và số liệu thống kê của các viện nghiên cứu trong ngành (Do Ventures) về đầu tư đổi mới và công nghệ tại Việt Nam trong năm 2022 Các trang tin tức và báo cáo chuyên ngành tập trung vào Fintech, công nghệ và đầu tư tại Việt Nam và khu vực Đông Nam Á.
KẾT QUẢ NGHIÊN CỨU
Thống kê mô tả
Bảng 4.1 Phân tích thống kê mô tả
Tên biến Số quan sát
Trung bình Độ lệch chuẩn
Nguồn: Kết quả từ Stata 17.0
Bảng 4.1 cung cấp các thông tin mô tả về số lượng quan sát, giá trị trung bình, giá trị nhỏ nhất, lớn nhất và mức sai số của biến trong khung mẫu nghiên cứu Tổng số quan sát là 160 cho cả biến phụ thuộc và độc lập.
Tỷ suất lợi nhuận trên trên tổng tài sản (ROA) của các ngân hàng giai đoạn
2015 – 2022 có giá trị trung bình là 0.0113 với độ lệch chuẩn là 0.0081 Giá trị lớn nhất và giá trị nhỏ nhất lần lượt là 0.0358 và 0.0000 của NHTM Kỹ thương Việt Nam năm 2021 và NHTM Quốc dân năm 2022 Như vậy, dễ dàng nhận thấy lợi nhuận ngân hàng có mức độ dao động lớn giữa các ngân hàng do có sự khác biệt lớn về quy mô của ngân hàng, về nguồn vốn, dư nợ, sản phẩm và phân khúc khách hàng mà các ngân hàng đang hướng đến cũng khác nhau
FINTECH (FT) đại diện cho mức độ phát triển của lĩnh vực Fintech có giá trị nằm trong khoảng [3.6636; 5.1705] với giá trị trung bình là 4.4126, độ lệch chuẩn 0.6006 Biến FT đạt giá trị cao nhất năm 2022 với giá trị là 5.1705, tuy nhiên đây là biến được lấy theo logarit tự nhiên của số lượng các công ty Fintech Theo số liệu thống kê của NHNN Việt Nam cũng như báo cáo thị trường Fintech Việt Nam 2022, số lượng các công ty Fintech đã tăng gấp 4.5 lần từ 39 công ty vào năm 2015 lên tới hơn 176 công ty vào cuối năm 2022
Quy mô ngân hàng (SIZE) của các ngân hàng trong gian đoạn 2015 – 2022 với 160 mẫu quan sát, trung bình các giá trị là 33.1634 với độ lệch chuẩn là 0.9154
Giá trị lớn nhất và giá trị nhỏ nhất lần lượt là 35.2905 và 31.1997 của NHTM Đầu tư và Phát triển Việt Nam năm 2022 và NHTM Quốc dân năm 2015
Tỷ lệ vốn chủ sở hữu (CAP) của các NHTM trong giai đoạn 2015 – 2022 với
160 mẫu quan sát, trung bình các giá trị là 0.0801 với độ lệch chuẩn là 0.0276 Giá trị lớn nhất và giá trị nhỏ nhất lần lượt là 0.1697 và 0.0406 của NHTM Kỹ thương Việt Nam năm 2020 và NHTM Quốc dân năm 2015
Trong giai đoạn 2015-2022, nợ xấu của các doanh nghiệp có giá trị trung bình là 0,0179, độ lệch chuẩn là 0,0162 trên 160 mẫu quan sát Giá trị nợ xấu cao nhất là 0,1793 của NHTM Quốc Dân năm 2022 và thấp nhất là 0,0000 của NHTM Phương Đông năm 2015.
Tỷ lệ cho vay trên tiền gửi (LDR) của các NHTM trong giai đoạn 2015 –
2022 với 160 mẫu quan sát, trung bình các giá trị là 0.8403 với độ lệch chuẩn là 0.1191 Giá trị lớn nhất và giá trị nhỏ nhất lần lượt là 1.1949 và 0.4262 của NHTM Việt Nam Thịnh Vượng năm 2022 và NHTM Hàng hải Việt Nam năm 2015
Tỷ lệ dự phòng rủi ro tín dụng (LLP) của các NHTM trong giai đoạn 2015
– 2022 với 160 mẫu quan sát, trung bình các giá trị là 0.0134 với độ lệch chuẩn là 0.0043 Giá trị lớn nhất và giá trị nhỏ nhất lần lượt là 0.0312 và 0.0080 của NHTM Việt Nam Thịnh Vượng năm 2022 và NHTM Kỹ thương Việt Nam năm 2020
Tỷ lệ chi phí trên thu nhập (CIR) của các NHTM trong giai đoạn 2015 –
2022 với 160 mẫu quan sát, trung bình các giá trị là 0.4756 với độ lệch chuẩn là 0.1340 Giá trị lớn nhất và giá trị nhỏ nhất lần lượt là 0.8696 và 0.2271 của NHTM Sài gòn thương tín năm 2016 và NHTM Sài Gòn – Hà Nội năm 2022
Tỷ lệ lạm phát (INF) của Việt Nam năm 2019 và 2020 được thu thập gồm 160 giá trị, với giá trị trung bình là 0,0259 và độ lệch chuẩn là 0,0167 Giá trị INF cao nhất ghi nhận là 5,23%, trong khi giá trị thấp nhất là 0,19%.
Tăng trưởng kinh tế (GDP) với 160 mẫu quan sát, trung bình các giá trị là
0.0613 với độ chênh lệch là 0.1992 Giá trị lớn nhất và giá trị nhỏ nhất lần lượt là 8% và 2.6% của GDP Việt nam 2022 và GDP Việt Nam 2021.
Phân tích tương quan
Trong nghiên cứu này, ngoài phân tích thống kê mô tả, tác giả cũng áp dụng hàm tương quan để điều tra mối quan hệ tương quan tuyến tính giữa các biến Kết quả phân tích tương quan tuyến tính đã được thể hiện ở Bảng 4.2
Bảng 4.2 Ma trận hệ số tương quan
ROA FT SIZE CAP NPL LDR LLP CIR INF GDP
Nguồn: Kết quả từ Stata 17.0
Ma trận tương quan được sử dụng để xác dịnh mức độ tương quan giữa các cặp biến độc lập Copper and Schindler (2009) cho rằng “Hệ số tương quan giữa các biến giải thích trên 0.8 cần được điều chỉnh vì đây là dấu hiệu của vấn đề đa cộng tuyến trong mô hình”
Kết quả trong Bảng 4.2 cho thấy rằng các chỉ số như biến tỷ lệ nợ xấu (NPL), tỷ lệ chi phí trên thu nhập (CIR), tỷ lệ lạm phát (INF), tốc độ tăng trưởng (GDP) có mối tương quan ngược với lợi nhuận trên tổng tài sản (ROA) Ngược lại, FT, quy mô ngân hàng (SIZE), tỷ lệ vốn chủ sở hữu (CAP), tỷ lệ cho vay trên tiền gửi (LDR), Tỷ lệ dự phòng rủi ro tín dụng (LLP) có mối tương quan thuận với lợi nhuận trên tổng tài sản (ROA) Đa cộng tuyến được đánh giá thông qua việc kiểm tra sự tương quan giữa các biến trình bày trong Bảng 4.2 Các cặp biến độc lập có hệ số tương quan nhỏ nhất và lớn nhất lần lượt là -0.7286 và 0.5265 vẫn nằm trong phạm vi từ -0.8 đến 0.8 Do đó, có thể kết luận rằng mô hình nghiên cứu không chỉ ra sự tồn tại của mức độ đa cộng tuyến Tuy nhiên, để khẳng định sự tồn tại của đa cộng tuyến, nghiên cứu sẽ tiến hành kiểm định hệ số (VIF) thông qua kiểm tra đa cộng tuyến.
Kiểm tra đa cộng tuyến
Hiện tượng đa cộng tuyến xảy ra khi các biến độc lập trong một mô hình có mối quan hệ tuyến tính với nhau Trong nghiên cứu này, để kiểm định giả thuyết về sự không tồn tại của đa cộng tuyến đã được thực hiện bằng cách sử dụng chỉ số VIF
Kết quả của kiểm định này được trình bày ở Bảng 4.3 dưới đây:
Bảng 4.3 Kiểm định hệ số VIF
Nguồn: Kết quả từ Stata 17.0
Sau khi xem xét hệ số phóng đại phương sai VIF (Variance Inflation Factor) của các biến trong Bảng 4.3, tác giả thấy các biến như: FT, SIZE, CAP, NPL, LDR, LLP, INF, GDP có VIF < 2 nên không có hiện tượng đa cộng tuyến xảy ra Ngoài ra, biến CIR có VIF > 2 nên xuất hiện hiện tượng đa cộng tuyến, đây là điều không mong muốn
Dựa trên các kết quả thu được, có thể suy ra rằng hiện tượng đa cộng tuyến được quan sát trong mô hình được coi là không nghiêm trọng Do đó, các biến độc lập được chọn để đưa vào mô hình được đánh giá là khá phù hợp để phân tích ảnh hưởng đến hiệu quả hoạt độngcủa các NHTM đang hoạt động tại Việt Nam.
Kết quả mô hình nghiên cứu
Bảng 4.4 Kết quả hồi quy mô hình Pooled OLS, FEM, REM
Quy mô ngân hàng (SIZE) 0.0003
Tỷ lệ vốn chủ sở hữu (CAP) 0.1292***
Tỷ lệ cho vay trên tiền gửi (LDR) 0.0052
Tỷ lệ dự phòng rủi ro tín dụng (LLP) -0.1823*
Tỷ lệ chi phí trên thu nhập (CIR) -0.0291***
Tỷ lệ lạm phát (INF) 0.0141
Tốc độ tăng trưởng (GDP) 0.0188
***,**,* lần lượt với mức ý nghĩa 1%, 5%, 10%
Nguồn: Kết quả từ Stata 17.0
Dựa trên kết quả ở Bảng 4.4, tồn tại mối quan hệ tuyến tính giữa một số biến độc lập và biến phụ thuộc thì có P-value < 0.01 (nhỏ hơn mức ý nghĩa 10%) đối với cả ba mô hình: Pooled OLS, FEM và REM Vì vậy, có thể kết luận rằng các mô hình hồi quy là phù hợp
Theo kết quả của mô hình Pooled OLS, giá trị 𝑅 2 là 0.7155 có nghĩa là các biến độc lập được đề cập có thể giải thích được 71.55% sự biến động của biến phụ thuộc là tỷ suất lợi nhuận trên tổng tài sản (ROA) Kết quả hồi quy cho thấy biến FT có tác động tích cực đến lợi nhuận trên tổng tài sản của ngân hàng với hệ số hồi quy là 0.0021 với ý nghĩa thống kê ở mức 1% Điều này cho thấy rằng khi mức độ phát triển Fintech tăng lên 1%, ROA của ngân hàng tăng thêm 0.21% Biến CAP (Tỷ lệ vốn chủ sở hữu) cũng có tác động tích cực đến lợi nhuận trên tổng tài sản của ngân hàng với hệ số hồi quy là 0.1292 với ý nghĩa thống kê ở mức 1% Điều này cho thấy rằng khi mức độ phát triển Fintech tăng lên 1%, ROA của ngân hàng tăng thêm 1.930% Ngoài ra, các yếu tố CIR (Tỷ lệ chi phí trên thu nhập) có tác động tiêu cực đến lợi nhuận trên vốn chủ sở hữu với hệ số hồi quy là -0.0291 với mức ý nghĩa là 1% Điều này có nghĩa là khi tỷ lệ chi phí thu nhập tăng thêm 1%, ROA giảm 2.91%, chỉ ra rằng tỷ lệ chi phí thu nhập có tác động tiêu cực và đáng kể đến ROA
Các biến số là FT, SIZE (Quy mô ngân hàng), CAP (Tỷ lệ vốn chủ sở hữu), LDR (Tỷ lệ cho vay trên tiền gửi) ảnh hưởng đến ROA trong cả hai mô hình FEM và REM Biến FT mang dấu dương thể hiện mối quan hệ cùng chiều với ROA ở mức ý nghĩa 1% mô hình REM Trong mô hình REM, quy mô ngân hàng tăng 1% thì lợi nhuận tăng 0.21% Biến SIZE (Quy mô ngân hàng) mang dấu dương thể hiện mối quan hệ cùng chiều với lợi nhuận trên tổng tài sản ở mức ý nghĩa 1% trong cả hai mô hình FEM, REM Theo mô hình FEM, khi quy mô ngân hàng tăng thêm 1%, ROA tăng thêm 0.70% Trong mô hình REM, quy mô ngân hàng tăng 1% thì lợi nhuận tăng 0.25% Tiếp theo, biến CAP (Tỷ lệ vốn chủ sở hữu) cũng tác động cùng chiều với ROA và có ý nghĩa thống kê ở mức 1% cả hai mô hình Khi đó trong mô hình FEM, tỷ lệ vốn tăng 1% thì lợi nhuận tăng 7.12%; mô hình REM, tỷ lệ vốn tăng lên 1% thì lợi nhuận tăng theo 9.17% Cuối cùng là biến LDR (Tỷ lệ cho vay trên tiền gửi) đều có tác động tích cực lên lợi nhuận ở mức ý nghĩa 1% cả hai mô hình FEM và REM có nghĩa là khi tăng tỷ lệ cho vay lên 1% thì lợi nhuận cũng tăng thêm 0.92% ở mô hình FEM và tăng thêm 0.93% ở mô hình REM
- LLP (Tỷ lệ dự phòng rủi ro tín dụng) và CIR (Tỷ lệ chi phí trên thu nhập) có mối quan hệ nghịch với ROA trong cả hai mô hình FEM và REM với mức ý nghĩa 1%.- Tăng LLP (hệ số hồi quy lần lượt là -0,4997 và -0,4337) sẽ làm giảm lợi nhuận của ngân hàng, trong khi tăng CIR (hệ số hồi quy lần lượt là -0,0166 và -0,0191) cũng dẫn đến khả năng sinh lời của ngân hàng giảm.
4.4.1 So sánh mô hình hồi quy giữa Pooled OLS và mô hình FEM Để xác định xem mô hình Pooled OLS hay FEM phù hợp hơn, chúng ta có thể tiến hành F-test bằng các giả thuyết sau:
𝐻 0 : Mô hình Pooled OLS là mô hình phù hợp 𝐻 1 : Mô hình FEM là mô hình phù hợp
Bảng 4.5 Kết quả kiểm định lựa chọn giữa mô hình OLS và mô hình FEM F – test
Nguồn: Kết quả từ Stata 17.0
Dựa trên kết quả kiểm định F-test cho thấy P-value = 0.0000 < 0.05 Do đó, bác bỏ giả thuyết 𝐻 0 , nói cách khác mô hình FEM phù hợp hơn cho nghiên cứu
4.4.2 So sánh mô hình hồi quy giữa FEM và mô hình REM
Kiểm định Hausman là một quy trình thống kê được sử dụng để so sánh hai mô hình kinh tế lượng, trong trường hợp này là mô hình hiệu ứng ngẫu nhiên (REM) và mô hình hiệu ứng cố định (FEM), để xác định mô hình nào phù hợp hơn cho bài nghiên cứu với cặp giả thuyết sau:
𝐻 0 Mô hình REM là mô hình phù hợp 𝐻 1 : Mô hình FEM là mô hình phù hợp
Bảng 4.6 Kết quả kiểm định lựa chọn giữa mô hình FEM và mô hình REM
Nguồn: Kết quả từ Stata 17.0
Căn cứ vào kết quả kiểm định ở bảng 4.7, cho thấy giá trị P-value = 0.0021 <
0.05 (nhỏ hơn mức ý nghĩa 5%) Do đó, bác bỏ giả thuyết 𝐻 0 , nói cách khác mô hình FEM phù hợp hơn cho nghiên cứu.
Kiểm định các khuyết tật của mô hình
Theo Breusch, T.S và Pagan, A.R (1980), trong bối cảnh kiểm tra tính phương sai thay đổi, lệnh "xttest3" trong Stata được sử dụng để tiến hành kiểm định Wald đã sửa đổi với cặp giả thuyết sau:
𝐻 0 : Mô hình không thể hiện phương sai thay đổi 𝐻 1 : Mô hình thể hiện phương sai thay đổi
Bảng 4.7 Kết quả kiểm định hiện tượng phương sai sai số thay đổi
Nguồn: Kết quả từ Stata 17.0
Với mức ý nghĩa 5%, kiểm định Wald đã sửa đổi cho thấy P-value = 0.0000 <
0.05 (thấp hơn mức ý nghĩa 5%) Do đó, nên bác bỏ giả thuyết 𝐻 0 , có nghĩa là mô hình FEM thể hiện tính phương sai thay đổi
4.5.2 Hiện tượng tự tương quan
Tự tương quan có thể ảnh hưởng đến hiệu quả của mô hình, làm giảm độ tin cậy của việc kiểm định hệ số Để kiểm tra hiện tượng tự tương quan trong mô hình FEM, kiểm định Wooldridge được sử dụng với giả thuyết:
𝐻 0 : Mô hình không có hiện tượng tự tương quan 𝐻 1 : Mô hình có hiện tượng tự tương quan
Bảng 4.8 Kết quả kiểm định Wooldrige Test
Nguồn: Kết quả từ Stata 17.0
Theo bảng 4.8, kiểm định Wooldridge cho thấy P-value là 0.0000 < 0.05 (nhỏ hơn mức ý nghĩa 5%) Do đó, bác bỏ giả thuyết 𝐻 0 , ngụ ý rằng mô hình FEM thể hiện hiện tượng tự tương quan
Các thử nghiệm được sử dụng cho rằng mô hình FEM có một số khiếm khuyết nhất định cần được giải quyết Vì vậy, để loại bỏ hoàn toàn vấn đề phương sai thay đổi và tự tương quan, tác giả đã thực hiện nghiên cứu sử dụng phương pháp bình phương tối thiểu tổng quát khả thi (GLS) để khắc phục những khiếm khuyết của mô hình FEM.
Kết quả mô hình theo phương pháp GLS
Bảng 4.9 Kết quả ước lượng mô hình GLS
Quy mô ngân hàng (SIZE) 0.0021***
Tỷ lệ vốn chủ sở hữu (CAP) 0.1001***
Tỷ lệ cho vay trên tiền gửi (LDR) 0.0043
Tỷ lệ dự phòng rủi ro tín dụng (LLP) -0.1104**
Tỷ lệ chi phí trên thu nhập (CIR) -0.0151***
Tỷ lệ lạm phát (INF) 0.0044
Tốc độ tăng trưởng (GDP) 0.0179**
***,**,* lần lượt với mức ý nghĩa 1%, 5%, 10%
Nguồn: Kết quả từ Stata 17.0
Do mô hình tác động cố định (FEM) gặp phải vấn đề về biến động của phương sai sai số và tự tương quan, nghiên cứu này đã chọn áp dụng phương pháp GLS để giải quyết những vấn đề này trong mô hình
Bảng 4.9 cho thấy mô hình Generalized Least Square (GLS) có ý nghĩa thống kê và có thể sử dụng Cụ thể, bốn biến độc lập FT, SIZE, CAP, CIR có P-value < 0,01, thể hiện ý nghĩa thống kê ở mức 1% Hai biến LLP, GDP có P-value < 0,05, cho thấy ý nghĩa thống kê ở mức 5% Ngược lại, ba biến NPL, LDR, INF không có ý nghĩa thống kê với P-value > 0,05.
Về mối tương quan, theo kết quả của mô hình FT, SIZE, CAP, GDP có mối tương quan cùng chiều với biến phụ thuộc ROA Trong khi đó, biến CIR, LLP lại có mối tương quan ngược chiều với biến phụ ROA.
Thảo luận kết quả hồi quy
Qua kết quả nghiên cứu ở trên, tác giả đưa ra phương trình hồi quy như sau:
Bảng 4.10 Tổng hợp kết quả kiểm định của các giả thuyết
Giả thuyết Kỳ vọng ban đầu Kết quả Giả thuyết 𝐇 𝟏 : Fintech tác động ngược chiều với hiệu quả hoạt động của các NHTM - +
Giả thuyết 𝐇 𝟐 : Quy mô ngân hàng tác động cùng chiều với hiệu quả hoạt động của các NHTM
Giả thuyết 𝐇 𝟑 : Tỷ lệ vốn chủ sở hữu tác động cùng chiều với hiệu quả hoạt động của các NHTM
Giả thuyết 𝐇 𝟒 : Nợ xấu tác động ngược chiều với hiệu quả hoạt động của các NHTM - Không có ý nghĩa thống kê
Giả thuyết 𝐇 𝟓 : Tỷ lệ cho vay trên tiền gửi tác động cùng chiều với hiệu quả hoạt động của các NHTM
+ Không có ý nghĩa thống kê
Giả thuyết 𝐇 𝟔 : Tỷ lệ dự phòng rủi ro tín dụng tác động ngược chiều với hiệu quả hoạt động của các NHTM
Giả thuyết 𝐇 𝟕 : Tỷ lệ chi phí trên thu nhập tác động ngược chiều với hiệu quả hoạt động của các NHTM
Giả thuyết 𝐇 𝟖 :Tỷ lệ lạm phát tác động cùng chiều với hiệu quả hoạt động của các NHTM + Không có ý nghĩa thống kê
Giả thuyết 𝐇 𝟗 : Tăng trưởng kinh tế tác động cùng chiều với hiệu quả hoạt động của các NHTM
Nguồn: Tác giả tổng hợp
Trong phương trình, tác giả thực hiện phân tích ảnh hưởng của bốn biến độc lập: FT, SIZE, CAP và GDP lên biến phụ thuộc ROA Kết quả cho thấy tất cả các biến này đều có tác động tích cực và có ý nghĩa thống kê ở mức 1%, ngoại trừ biến GDP có ý nghĩa thống kê ở mức 5%
Các biến độc lập khác như CIR và LLP cho thấy ảnh hưởng tiêu cực đến ROA và cũng có ý nghĩa thống kê Cụ thể, biến CIR có ý nghĩa ở mức 1%, trong khi biến LLP có ý nghĩa ở mức 5% Điều này chỉ ra rằng mặc dù các biến này đóng vai trò quan trọng trong việc đánh giá ROA, tác động và mức độ ý nghĩa thống kê của chúng khác nhau
Trong số các biến độc lập FT và SIZE có ảnh hưởng nhỏ nhất đến ROA, cả hai đều có hệ số hồi quy là 0.0021 Ngược lại, biến CIR gây ảnh hưởng mạnh nhất, với hệ số hồi quy là -0.1104
Công nghệ tài chính (Fintech)
Dựa vào phân tích của Đinh Thị Thu Hồng and Nguyễn Hữu Tuấn (2021) tác giả đã chỉ ra sự phát triển của các công ty Fintech tại Việt Nam và cung cấp các số liệu thống kê để đánh giá hiệu quả kinh doanh của các NHTM ở Việt Nam sẽ bị ảnh hưởng ra sao trước sự xuẩt hiện của các công ty Fintech Kết quả nghiên cứu cho thấy sự gia tăng số lượng các công ty Fintech có tác động tiêu cực đến các chỉ số hiệu quả hoạt động của ngân hàng như ROA, ROE, NIM với hệ số tương quan lần lượt là -0.0046; -0.004 và -0.009
Trong mô hình nghiên cứu của tác giả, Fintech có tác động tích cực đến ROA với mức ý nghĩa thống kê 1% Kết quả này tương đồng với nghiên cứu của Wang et al (2020) cho thấy Fintech có tác động rõ rệt và tích cực đến năng suất tổng hợp
(TFP) của các ngân hàng thương mại ở Trung Quốc Nghiên cứu này khẳng định rằng Fintech giúp các ngân hàng sử dụng nguồn lực một cách hiệu quả hơn và cải thiện TFP
Nghiên cứu của Wu and Yuan (2021) chỉ ra rằng Fintech có tác động tiêu cực đến lợi nhuận của các ngân hàng thương mại (SOB) ở Trung Quốc Sự cạnh tranh mạnh mẽ từ các công ty Fintech đã làm giảm lợi nhuận của các ngân hàng Trung Quốc khi họ phải đối mặt với các chi phí chuyển đổi và đầu tư vào công nghệ để cạnh tranh.
(2020) cũng chỉ ra rằng sự phát triển của Fintech có ảnh hưởng tiêu cực đến hiệu quả hoạt động của ngân hàng, do sự cạnh tranh từ các công ty Fintech làm tăng chi phí hoạt, từ đó làm giảm hiệu quả hoạt động của họ Iman (2019) phát hiện ra rằng Fintech có ảnh hưởng tiêu cực đến hiệu quả hoạt động của các ngân hàng tại Indonesia Các ngân hàng nhỏ hơn gặp khó khăn trong việc cạnh tranh với các dịch vụ tài chính số, làm giảm khả năng tạo lợi nhuận
Quy mô ngân hàng (SIZE)
Quy mô ngân hàng đóng vai trò quan trọng trong việc gia tăng ROA Các ngân hàng có quy mô lớn hơn có lợi thế về mặt kinh tế khi có thể cắt giảm chi phí và gia tăng lợi nhuận, dẫn đến ROA tăng 0,21% khi quy mô tăng 1% Đặc điểm này phù hợp với nghiên cứu trước đây của Dietrich và Wanzenried (2014), cho thấy quy mô ngân hàng có ảnh hưởng tích cực đến ROA Các ngân hàng lớn cung cấp nhiều sản phẩm, dịch vụ hơn để phân tán rủi ro và tối ưu hóa thu nhập; có uy tín cao và tiếp cận nguồn vốn lãi suất thấp, nhờ đó nâng cao hiệu quả tài chính.
Nhờ vào quy mô lớn, các ngân hàng dễ dàng tạo dựng thương hiệu mạnh và khả năng chiếm lĩnh thị trường cao, giúp duy trì và mở rộng thêm thị phần Kong (2022) và Ekinci and Poyraz (2019) cũng cho thấy những ưu điểm khi có quy mô ngân hàng lớn giúp tối ưu hoá cấu trúc vốn, do có mạng lưới chi nhánh rộng lớn, ngân hàng có thể phục vụ cho nhiều tệp khách hàng hơn làm tăng doanh thu và lợi nhuận
Ngược lại, Phat et al (2024) đã phát hiện mối quan hệ tiêu cực giữa quy mô ngân hàng và ROA, cho thấy các ngân hàng lớn hơn gặp khó khăn để duy trì hiệu quả hoạt động và đạt được lợi nhuận cao hơn, trong khi các ngân hàng nhỏ hơn thường thể hiện ROA cao hơn so với các ngân hàng lớn hơn Điều này thể hiện mối quan hệ phức tạp giữa quy mô ngân hàng và ROA, chi phối bởi nhiều yếu tố bao gồm bối cảnh kinh tế, quy mô của thị trường ngân hàng và chiến lược kinh doanh của mỗi ngân hàng Các yếu tố khác chẳng hạn như quản lý rủi ro, cấu trúc vốn, quản lý rủi ro và sự cạnh tranh cũng đều có thể ảnh hưởng Do đó, để có cái toàn diện về tác động của quy mô ngân hàng đến ROA, cần xem xét nhiều nghiên cứu liên quan và các yếu tố ảnh hưởng khác trong lĩnh vực ngân hàng
Tỷ lệ vốn chủ sở hữu (CAP)
Tỷ lệ vốn chủ sở hữu có tác động tích cực đến ROA với mức ý nghĩa thống kê 1% Khi tỷ lệ vốn chủ sở hữu tăng lên 1%, ROA của ngân hàng cũng tăng 10.01% Điều này cho thầy rằng các ngân hàng với tỷ lệ vốn chủ sở hữu cao hơn thường có khả năng chống chọi rủi ro tốt hơn và duy trì lợi nhuận cao hơn Kết quả này phù hợp với các nghiên cứu của Phat et al (2024) Trên thực tế, dù vốn tự có chiếm khoảng 5% trong tổng nguồn vốn của NHTM nhưng vai trò của nó lại vô cùng quan trọng và ổn định Vốn tự có là cơ sở quyết định quan trọng đối với quy mô và thu hút khối lượng vốn huy động, cũng như hoạt động bảo lãnh và cho vay thuộc các ngân hàng
Tốc độ tăng vốn và quy mô của ngân hàng đóng vai trò then chốt trong việc thúc đẩy đà phát triển của ngân hàng thương mại, góp phần giảm thiểu rủi ro tín dụng và kiểm soát các nguy cơ tài chính tiềm ẩn.
Tuy nhiên, tỷ lệ vốn chủ sở hữu quá cao lại tác động ngược chiều đến hiệu quả sử dụng vốn (ROA), tức là hiệu quả sử dụng vốn không được tối ưu Điều này xảy ra do ngân hàng không thể tối ưu hóa việc sử dụng đòn bẩy tài chính, dẫn đến giảm lợi nhuận Do đó, cần cân nhắc mức vốn chủ sở hữu phù hợp để đảm bảo hiệu quả sử dụng vốn hiệu quả.
Chi phí cơ hội cũng là một vấn đề, khi ngân hàng không tận dụng được các cơ hội đầu tư có lãi suất cao hơn, nên giảm khả năng tăng trưởng lợi nhuận