Trong nghiên cứu này, sự tác động của các yếu tố gồm quy mô ngân hàng SIZE, hệ số thanh khoản LIQ, tỷ lệ huy động vốn trên tổng tài sản DEP và tỷ lệ lợi nhuận trên tổng tài sản ROA, biê
GIỚI THIỆU ĐỀ TÀI NGHIÊN CỨU
Tính cấp thiết và lý do chọn đề tài
Trong bối cảnh hội nhập kinh tế quốc tế và sự phát triển không ngừng của hệ thống tài chính - ngân hàng, ngân hàng thương mại (NHTM) tại Việt Nam đã và đang trở thành một trong những trụ cột quan trọng, thúc đẩy sự tăng trưởng của nền kinh tế Theo Friedman (1963) các nhà kinh tế học theo trường phái trọng tiền, đã gắn các cuộc khủng hoảng tài chính với khủng hoảng NH Vì vậy sự ổn định và hiệu quả của ngành ngân hàng không chỉ góp phần vào sự phát triển kinh tế nói chung mà còn đảm bảo sự an toàn, bảo vệ quyền lợi của người gửi tiền trước những rủi ro tiềm ẩn Trong số các chỉ tiêu quan trọng đánh giá sự ổn định và an toàn của NH, Casu (2015) nói rằng hệ số an toàn vốn (CAR) chiếm vị trí quan trọng, phản ánh khả năng chống chịu của NH trước các biến động của thị trường tài chính
Theo Casu (2015), Basel I được triển khai lần đầu tiên vào năm 1988 đã đặt ra tỷ lệ vốn 8% là mức đủ để bù đắp các khoản lỗ tiềm ẩn do tổn thất cho vay và các rủi ro khác mà các NHTM phải gánh chịu Việt Nam, từ năm 2005, đã bắt đầu hành trình hội nhập với các chuẩn mực quốc tế thông qua việc áp dụng các tiêu chuẩn Basel - một loạt các khuyến nghị về quy định NH do Ủy ban Basel về Giám sát Ngân hàng (BCBS) ban hành Sự triển khai này không những nâng cao tiêu chuẩn quản lý rủi ro mà còn đưa ngành NH Việt Nam tiếp cận gần hơn với các tiêu chuẩn quốc tế, đặc biệt là qua các phiên bản Basel I, II và III Các tiêu chuẩn này hướng dẫn các NHTM trong việc duy trì tỷ lệ CAR tối thiểu, qua đó đảm bảo khả năng thanh toán và ổn định trước rủi ro
Tuy nhiên, qua quá trình áp dụng, thực tế cho thấy các NHTM Việt Nam vẫn còn đối mặt với nhiều thách thức trong việc kiểm soát và duy trì CAR ở mức an toàn theo quy định của Ngân hàng Nhà nước (NHNN) và tiêu chuẩn Basel Sự biến động của CAR qua các năm, đặc biệt từ sau năm 2008, cho thấy rõ những khó khăn và thách thức mà ngành NH phải đối mặt trong quản lý và sử dụng vốn một cách hiệu quả
Chính vì lý do đó, việc nghiên cứu "Các yếu tố tác động tới hệ số an toàn vốn của Ngân hàng Thương mại tại Việt Nam" là trở nên hết sức cấp thiết Nghiên cứu này không chỉ nhằm mục đích phân tích và làm sáng tỏ các yếu tố tác động đến CAR, mà còn đề xuất các giải pháp nhằm tối ưu hóa việc sử dụng vốn và nâng cao khả năng chịu đựng rủi ro của NH Qua đó, giúp các NHTM Việt Nam không chỉ tuân thủ được các quy định về CAR theo tiêu chuẩn Basel và quy định của NHNN, mà còn phát triển bền vững trong tương lai, đóng góp vào sự ổn định và phát triển của nền kinh tế quốc gia Với sự gia tăng cạnh tranh trong ngành NH cũng như những biến động ngày càng phức tạp của thị trường tài chính toàn cầu, việc nắm bắt và phân tích sâu sắc các yếu tố ảnh hưởng đến CAR, từ đó đưa ra các chiến lược quản lý rủi ro và sử dụng vốn hiệu quả, là yếu tố then chốt giúp các NHTM tăng cường sự ổn định và khẳng định vị thế trên thị trường tài chính.
Mục tiêu đề tài
Mục tiêu tổng quát của đề tài là nghiên cứu tác động của các yếu tố đối với hệ số CAR trong giai đoạn 2013 - 2023 của các ngân hàng thương mại tại Việt Nam
1.2.2 Mục tiêu cụ thể Để đạt được mục tiêu tổng quát, bài nghiên cứu tập trung giải quyết các mục tiêu cụ thể như sau:
Thứ nhất: Xác định các nhân tố tác động đến hệ số CAR tại các NHTM Việt Nam
Thứ hai: Phân tích mức độ tác động của từng yếu tố đến hệ số CAR tại các NHTM Việt Nam
Thứ ba: Trên cơ sở kết quả nghiên cứu, đề xuất một số gợi ý giúp các nhà quản trị ngân hàng có thể đưa ra các chính sách, giải pháp nhằm cải thiện hệ số CAR.
Câu hỏi nghiên cứu
Dựa trên các mục tiêu nghiên cứu cụ thể đã đề ra, đề tài sẽ tiến hành giải quyết các câu hỏi nghiên cứu sau:
Câu hỏi 1: Các nhân tố nào có tác động đến hệ số CAR của NHTM tại Việt Nam?
Câu hỏi 2: Các yếu tố ảnh hưởng đến hệ số CAR của NHTM tại Việt Nam như thế nào?
Câu hỏi 3: Những kiến nghị nào cần được đề xuất nhằm cải thiện và nâng cao hệ số CAR tại các NHTM Việt Nam trong tương lai?
Đối tượng và phạm vi nghiên cứu
1.4.1 Đối tượng nghiên cứu Đối tượng nghiên cứu trong đề tài này là các nhân tố tác động đến hệ số CAR của NHTM tại Việt Nam
Về phạm vi không gian Đề tài nghiên cứu tập trung vào dữ liệu của 26 NHTM tại Việt Nam trên tổng số 31 NHTM tại Việt Nam tính đến thời điểm nghiên cứu hiện tại Do hạn chế về thời gian, cơ sở vật chất cũng như nguồn dữ liệu do một số NH không công bố đầy đủ thông tin về hệ số CAR nên nghiên cứu này chỉ có thể tập trung vào dữ liệu của 26 NHTM Việt Nam Cụ thể nhóm 26 NHTM này chiếm hơn 83% về số lượng NH trên tổng số NHTM tại thời điểm nghiên cứu
Về phạm vi thời gian
Nghiên cứu được thực hiện dựa trên số liệu thu thập được trong giai đoạn từ năm 2013 đến 2023 Nguyên nhân tác giả lựa chọn giai đoạn này để nghiên cứu là vì đây là mốc thời gian mà Việt Nam đã trải qua sau các cuộc khủng hoảng kinh tế toàn cầu vào năm 2008 và năm 2020 khiến nền khi nền kinh tế có những chuyển biến rõ rệt và đây cũng là giai đoạn các NHTM công bố các số liệu cần thiết cho nghiên cứu đầy đủ hơn so với thời kỳ trước đó.
Phương pháp nghiên cứu
Trong bài nghiên cứu này tác giả sử dụng phương pháp định lượng như sau: Trong đó tác giả sử dụng phần mềm Stata 17.0 sẽ phục vụ cho việc tính toán của tác giả và những dữ liệu đã thu thập được sẽ được kiểm tra hồi quy và kiểm định để xây dựng mô hình phù hợp Cụ thể, phân tích hồi quy dữ liệu bảng được áp dụng theo phương pháp POOLED OLS, REM và FEM sau đó thực hiện kiểm định Hausman để lựa chọn mô hình phù hợp nhất Đề tài sử dụng FGLS để khắc phục mô hình nếu xuất hiện hiện tượng phương sai của sai số thay đổi và tự tương quan.
Đóng góp của đề tài
Về mặt lý thuyết, nghiên cứu này tổng hợp và hệ thống hóa các lý luận từ Hiệp ước Basel I, II, và III, cung cấp một cái nhìn toàn diện về các phương pháp tiếp cận trong việc đo lường và phân tích tác động của các nhân tố đến hệ số CAR của các NHTM tại Việt Nam Qua tham khảo các nghiên cứu trước đây, tác giả đã lựa chọn các mô hình OLS (Ordinary Least Square), FEM (Fixed Effect Model), REM (Random Effect Model) và FGLS (Feasible Generalized Least Squares) làm nền tảng lý thuyết và góp phần nâng cao hơn nữa ý nghĩa thực tiễn của mô hình
Về mặt thực tiễn, các kết quả nghiên cứu cung cấp bằng chứng thực nghiệm về các yếu tố tác động đến CAR, từ đó đề xuất các giải pháp giúp cải thiện và phát triển bền vững hệ số CAR trong hệ thống NHTM tại Việt Nam Điều này không chỉ giúp các nhà quản trị NH và nhà đầu tư có thêm cơ sở để đưa ra quyết định mà còn góp phần nâng cao hiệu quả hoạt động của hệ thống NHTM tại Việt Nam
Tóm lại, nghiên cứu này mang lại đóng góp quan trọng cả về mặt lý thuyết và thực tiễn, cung cấp cái nhìn sâu sắc về các nhân tố ảnh hưởng đến hệ số CAR và đề xuất các biện pháp nhằm nâng cao hệ số CAR của NHTM, đáp ứng các tiêu chuẩn quốc tế và nâng cao tính cạnh tranh của hệ thống NH tại Việt Nam trong bối cảnh hội nhập kinh tế quốc tế.
Kết cấu của đề tài
Bố cục của đề tài nghiên cứu này được tác giả chia thành 5 chương như sau: Chương 1: Giới thiệu đề tài nghiên cứu
Trong chương 1, bài nghiên cứu sẽ giới thiệu và trình bày khái quát các nội dung: lý do chọn đề tài, mục tiêu và câu hỏi nghiên cứu, đối tượng và phạm vi nghiên cứu, phương pháp nghiên cứu, nội dung nghiên cứu và đóng góp ý nghĩa thực tiễn của đề tài
Chương 2: Cơ sở lý thuyết và các nghiên cứu thực nghiệm liên quan
Nội dung chương 2 sẽ diễn đạt khái niệm và đo lường về hệ số CAR đồng thời còn đề cập về ý nghĩa của CAR Dựa trên tham khảo ý kiến từ bài nghiên cứu thực nghiệm trong và ngoài nước trước đó từ đó phát triển ra mô hình nghiên cứu và giả thuyết nghiên cứu
Chương 3: Phương pháp nghiên cứu
Nghiên cứu sẽ khái quát và mô tả chi tiết về quy trình nghiên cứu và xây dựng mô hình nghiên cứu, mô tả, đo lường và diễn giải các biến Bên cạnh đó, đề cập về phương pháp chọn mẫu, cách thu thập, xử lý và phân tích dữ liệu được sử dụng trong nghiên cứu
Chương 4: Kết quả nghiên cứu và thảo luận
Nội dung sẽ trình bày về quy trình xử lý dữ liệu bao gồm thống kê mô tả, phân tích ma trận tương quan, hồi quy mô hình và thực hiện các kiểm định các giả thuyết,…
Từ đó xác định được các yếu tố tác động và mức độ tác động cùng chiều hay ngược chiều của từng yếu tố đó đến hệ số CAR
Chương 5: Kết luận và hàm ý chính sách
Nghiên cứu tóm tắt lại kết quả kiểm tra sự tác động của các yếu tố đến hệ số
CAR và dựa trên cơ sở đó để gợi ý các chính sách nhằm duy trì sự an toàn, tăng trưởng và ổn định trong hoạt động của NHTM Việt Nam Đồng thời, nghiên cứu sẽ nêu lên hạn chế của đề tài khi phân tích và đặt ra hướng nghiên cứu tiếp theo
TÓM TẮT CHƯƠNG 1 Ở chương 1, tác giả đã giới thiệu tổng quan về đề tài nghiên cứu, bao gồm trình bày về tính cấp thiết của đề tài, lý do chọn đề tài, nêu cụ thể các mục tiêu khái quát và mục tiêu cụ và các câu hỏi nghiên cứu của đề tài đề tài Đồng thời, tác giả cũng trình bày đối tượng, phạm vi, phương pháp nghiên cứu, đóng góp của đề tài và bố cụ của nghiên cứu Những nội dung nêu trên sẽ làm tiền đề để tác giả có thể phân tích sau hơn về các yếu tố tác động đến hệ số CAR của các NHTM tại Việt Nam.
CƠ SỞ LÝ THUYẾT VÀ CÁC NGHIÊN CỨU THỰC NGHIỆM LIÊN QUAN
Cơ sở lý thuyết về hệ số CAR
2.1.1 Khái niệm về hệ số CAR Ủy ban Basel về giám sát NH (BCBS) được thành lập vào năm 1974 tại Basel, Thụy Sỹ bởi NH Trung ương và các cơ quan giám sát của 10 quốc gia phát triển (G10) Mục đích của Ủy ban là ngăn chặn sự sụp đổ hàng loạt của các NH Hiện nay, thành viên của Ủy ban gồm đại diện từ NH trung ương hoặc cơ quan giám sát của các nước như Anh, Bỉ, Canada, Đức, Hà Lan, Hoa Kỳ, Luxembourg, Nhật, Pháp, Tây Ban Nha, Thụy Điển, Thụy Sỹ và Ý Ủy ban họp 4 lần mỗi năm và được hỗ trợ bởi Hội đồng thư ký đề xuất bởi NH Thanh toán Quốc tế ở Basel
Theo AlSabbagh (2004), an toàn vốn được mô tả như một chỉ báo về rủi ro của ngân hàng An toàn vốn không chỉ phụ thuộc vào quy mô tài sản mà còn bị ảnh hưởng bởi chất lượng tài sản theo Casu (2015) Đến năm 1988, Basel I được giới thiệu nhằm thiết lập một khung đo lường rủi ro tín dụng với tiêu chuẩn CAR tối thiểu là 8% Basel I quy định rằng các NH phải duy trì tỷ lệ vốn bắt buộc tính trên tổng tài sản điều chỉnh theo hệ số rủi ro (RWA) ở mức 8% Hiệp ước này không chỉ được áp dụng trong các nước thành viên của G10 mà còn được tự nguyện thực hiện bởi nhiều quốc gia khác trên thế giới Tiếp đó, vào năm 2004 Basel II được ra mắt sư một sự cải tiến và phát triển từ Basel I để đáp ứng các yêu cầu ngày càng phức tạp trong ngành NH Vào ngày 12/9/2010, Basel III được giới thiệu và bắt đầu có hiệu lực từ năm 2013, với thời gian chuyển đổi kết thúc vào đầu năm 2019 Basel III tăng cường yêu cầu về vốn của NH và giới thiệu các yêu cầu mới về tính thanh khoản và đòn bẩy
2.1.2 Đo lường hệ số CAR
Vào những năm 1980, hệ thống NHTM trên thế giới đang bùng nổ và phát triển mạnh mẽ đã dẫn đến việc cạnh tranh giữa các NH diễn ra không bình đẳng Nhằm củng cố hoạt động của hệ thống NH và thiết lập cơ chế cạnh tranh lành mạnh giữa các NH trên thế giới, BCBS đã được thành lập bởi một nhóm NH trung ương và cơ quan quản lý từ 10 nước phát triển (G10), tại Basel (Thụy Sĩ) Uỷ ban Basel thành lập hướng đến phát triển và xây dựng các tiêu chuẩn về mức độ CAR của NH và giám sát hoạt động NH Hiện tại có 3 hiệp ước Base là Basel I, Basel II, Basel III Đo lường hệ số CAR theo Basel I
Basel I là một hiệp ước về quản lý rủi ro tài chính được ra đời vào năm 1988 bởi Ủy ban Basel về Giám sát NH Hiệp ước này được thiết kế để tăng cường tính ổn định của hệ thống tài chính toàn cầu bằng cách đưa ra các quy định về mức độ vốn tối thiểu mà các NH phải giữ để đảm bảo sự an toàn tài chính Theo Basel I, tỷ lệ tối thiểu của tổng vốn và các khoản dự phòng tài sản có rủi ro (RWA) phải đạt ít nhất 8% của tổng dư nợ tín dụng của NH
Theo quy định Hiệp ước vốn basel I, gân hàng có hệ số CAR trên 10% được coi là có mức vốn tốt Khi hệ số CAR nằm trong khoảng trên 8% là mức vốn thích hợp, trong khi CAR dưới 6% được xem là thiếu vốn và nếu dưới 2% thì thiếu vốn trầm trọng
Vốn bắt buộc bao gồm: Vốn cấp 1, vốn cấp 2 và vốn cấp 3 được xem là thành phần cốt lõi của Basel I khi đã đưa ra như một định nghĩa quốc tế chung về vốn của
NH và hệ số CAR của NH Tiêu chuẩn này quy định:
Vốn cấp 1 ≥ Vốn cấp 2 + Vốn cấp 3
Vốn cấp 1: là nguồn vốn dự trữ sẵn có và các nguồn dự phòng được công bố, chẳng hạn như khoản dự phòng cho các khoản vay, bao gồm: VCSH vĩnh viễn; lợi nhuận giữ lại; lợi ích thiểu số tại các công ty con, có hợp nhất báo cáo tài chính; lợi thế kinh doanh
Vốn cấp 2 (Vốn bổ sung): là nguồn vốn thứ cấp bao gồm: lợi nhuận giữ lại không công bố; dự phòng đánh giá lại; nợ thứ cấp; vay với thời hạn ưu đãi; đầu tư vào các công ty con tài chính và các TCTD khác
Vốn Cấp 3 (Dành cho rủi ro thị trường) = Vay ngắn hạn
Basel I đưa ra trọng số rủi ro gồm 4 mức: quốc gia 0%; NH 20%; doanh nghiệp 100% Theo đó, tài sản có rủi ro (RWA) được tính bằng công thức:
Nhưng suy cho cùng Basel I vẫn còn nhiều điểm hạn chế, chẳng hạn như rủi ro về vận hành hay không phân biệt theo loại rủi ro, Chính vì thế mà Basel II ra đời để bổ sung, hoàn thiện và khắc phục những hạn chế của Basel I Đo lường hệ số CAR theo Basel II
Basel II ra mắt với mục tiêu là nâng cao chất lượng và sự ổn định của hệ thống
NH quốc tế, tạo ra một môi trường cho các NH hoạt động một cách bình đẳng và điểm mới của mục tiêu chính là các thông lệ trong lĩnh vực quản lí rủi ro sẽ được siết chặt và nghiêm ngặt hơn Theo đó Basel II, giới thiệu 3 trụ cột chính:
Trụ cột I: Bổ sung quy định yêu cầu về CAR tối thiểu
Công thức về CAR tối thiểu theo Basel II như sau:
Basel II vẫn duy trì vốn bắt buộc và giữ tỷ lệ CAR tối thiểu là 8% của RWA như Basel I Ba loại rủi ro được quan tâm chính là: rủi ro tín dụng, rủi ro thị trường và rủi ro vận hành được bổ sung mới Và trọng số rủi ro của Basel II có sự thay đổi từ 0%-150% hoặc hơn thay vì từ 0%-100% như trước
Trụ cột II : Rà soát giám sát
Trụ cột II được bổ sung do việc giám sát trở nên hiệu quả và nhấn mạnh 4 nguyên tắc rà soát Đầu tiên NH cần thiết lập quy trình đánh giá mức độ đầy đủ vốn nội bộ dựa theo danh mục rủi ro và phát triển chiến lược duy trì phù hợp Tiếp theo giám sát viên thẩm tra đánh giá quy trình tự đánh giá, chiến lược vốn và khả năng tuân thủ tỷ lệ vốn tối thiểu của NH Nếu có bất cập, giám sát viên sẽ có hành động điều chỉnh phù hợp Tiếp theo, cơ quan giám sát đề xuất NH duy trì mức vốn cao hơn mức tối thiểu theo quy định Cuối cùng, cơ quan thanh tra theo dõi sát sao và can thiệp kịp thời nếu mức vốn NH có nguy cơ giảm dưới mức tối thiểu, yêu cầu sửa đổi ngay lập tức để đảm bảo an toàn
Trụ cột III: Minh bạch thông tin theo kỷ luật của thị trường Ở trụ cột này, Basel II tập trung vào việc nâng cao tính minh bạch trong hoạt động của NH thương mại Theo đó, các NH buộc phải công khai một loạt thông tin quan trọng, bao gồm: cấu trúc vốn, mức độ đầy đủ vốn, mức độ nhạy cảm với rủi ro và quy trình đánh giá ruir ro Nhìn chung, ở trụ cột này đóng vai trò quan trọng trong việc thúc đẩy các NH tăng cường tính minh bạch, đảm bảo tuân thủ tính kỉ luật thị trường và giảm thiểu rủi ro hệ thống
Có thể thấy Basel II đã được xây dựng và triển khai một cách chi tiết và toàn diện hơn rất nhiều so với Basel I Đánh dấu một bước tiến quan trọng trong việc hướng đến một hệ thống NH minh bạch, an toàn và hiệu quả, góp phần bảo vệ lợi ích của nhà đầu tư, khách hàng và nền kinh tế nói chung Đo lường hệ số CAR theo Basel III
Trước bối cảnh cuộc khủng hoảng tài chính toàn cầu năm 2007-2009 đã khiến
Uỷ ban Basel nhận thức được những thiếu sót và sơ hở của Basel II đối với hệ thống tài chính NH thế giới, do đó Basel III đã được BCBS ban hành tăng cường khả năng chống chịu áp lực tài chính và kinh tế của hệ thống NH và cải thiện quản trị rủi ro
Quy định về các tiêu chuẩn CAR tối thiểu, nội dung bao gồm:
Tổng quan các nghiên cứu thực nghiệm liên quan
2.2.1 Các nghiên cứu ngoài nước
Trên thế giới cũng đã có nhiều bài nghiên cứu liên quan đến hệ số CAR như nghiên cứu của Nadja Dreca (2014) về các yếu tố ảnh hưởng đến hệ số CAR của 10
NH tại Bosnia từ năm 2005 đến 2010 đã chỉ ra rằng quy mô ngân hàng, hệ số tiền gửi, tỷ lệ cho vay trên tổng tài sản, tỷ suất sinh lợi trên tổng tài sản, tỷ suất lợi nhuận trên vốn cổ phần và hệ số đòn bẩy đều có ảnh hưởng đáng kể đến hệ số CAR Tuy nhiên, các biến như tỷ lệ dự phòng rủi ro tín dụng và tỷ lệ thu nhập lãi cận biên dường như không có ảnh hưởng đáng kể đến hệ số CAR Nghiên cứu cũng chỉ ra rằng các biến như quy mô NH, hệ số tiền gửi và tỷ lệ cho vay có tác động ngược chiều đến hệ số CAR, trong khi các biến như tỷ lệ dự phòng rủi ro, tỷ suất lợi nhuận trên vốn cổ phần, tỷ lệ thu nhập lãi cận biên và hệ số đòn bẩy lại có tác động cùng chiều đến hệ số CAR
El-Ansary và Hafez (2015) đã thực hiện một nghiên cứu về các yếu tố ảnh hưởng đến hệ số CAR của 36 NH thương mại ở Ai Cập trong giai đoạn kể từ năm
2004 đến năm 2013 Tác giả trong bài nghiên cứu này đã phân tích mối quan hệ giữa hệ số CAR - là biến phụ thuộc, với các biến độc lập gồm: tỷ lệ tài sản sinh lời, khả năng sinh lời và thanh khoản, dự phòng rủi ro cho vay, tăng trưởng biên lãi ròng, quy mô NH, tỷ lệ tài sản cho vay và tỷ lệ tài sản tiền gửi Kết quả nghiên cứu chỉ ra rằng, trong giai đoạn trước khủng hoảng tài chính, các yếu tố như chất lượng tài sản, quy mô NH và khả năng sinh lời có tác động đáng kể đến CAR Sau năm 2008, các yếu tố như chất lượng tài sản, quy mô NH, thanh khoản, năng lực quản trị và rủi ro tín dụng trở thành những yếu tố có ảnh hưởng đáng kể đến CAR
Cũng tương tự như nghiên cứu của Bahtiar Usman và cộng sự (2019), nghiên cứu về các yếu tố ảnh hưởng đến hệ số CAR trong ngành NH, dựa trên dữ liệu của 27
NH được niêm yết trên Sở giao dịch chứng khoán Indonesia trong giai đoạn 2007 –
2018 Nghiên cứu phân tích mối quan hệ giữa hệ số CAR là biến phụ thuộc, với các biến độc lập bao gồm quy mô NH, tỷ lệ đòn bẩy, dự phòng rủi ro cho vay, biên lãi ròng, tỷ lệ tài sản cho vay và khả năng thanh khoản Kết quả cho thấy tỷ lệ đòn bẩy và biên lãi ròng có tác động cùng chiều lên CAR Ngược lại, các biến như quy mô ngân hàng, dự phòng rủi ro cho vay và tỷ lệ tài sản tín dụng có tác động âm lên hệ số CAR, trong khi khả năng thanh khoản không ảnh hưởng đến hệ số CAR
Cũng tương tự như nghiên cứu của Bhattarai (2020), nghiên cứu về các yếu tố quyết định tỷ lệ CAR của các NH thương mại tại Nepal Dữ liệu được thu thập từ 11
NH thương mại ở Nepal Nghiên cứu giả định rằng tỷ lệ CAR của các NH thương mại phụ thuộc vào các biến số cụ thể của NH, bao gồm rủi ro tín dụng, chất lượng tài sản, chất lượng quản lý, lợi nhuận trên tài sản, thanh khoản, quy mô NH, cũng như các biến số kinh tế vĩ mô như tốc độ tăng trưởng kinh tế và tỷ lệ lạm phát Kết quả cho thấy thanh khoản có tác động tích cực và có ý nghĩa thống kê đến tỷ lệ CAR Ngược lại, quy mô NH và tỷ lệ lạm phát có tác động tiêu cực và có ý nghĩa thống kê Các biến số khác như lợi nhuận, chất lượng tài sản, rủi ro tín dụng, chất lượng quản lý và tăng trưởng kinh tế không ảnh hưởng đáng kể đến tỷ lệ CAR Nghiên cứu kết luận rằng tính thanh khoản, quy mô NH và lạm phát là những yếu tố chính quyết định tỷ lệ CAR tại Nepal
Nghiên cứu của Shingjergji và Hyseni (2015) đã áp dụng phương pháp ước lượng hồi quy tuyến tính thông thường để đánh giá ảnh hưởng của các yếu tố đến hệ số CAR của các NHTM ở Albania trong giai đoạn 2007-2014 Kết quả cho thấy tỷ lệ nợ xấu, tỷ lệ cho vay trên tiền gửi và số nhân vốn chủ sở hữu có mối tương quan tỷ lệ nghịch với CAR, trong khi quy mô tài sản có mối tương quan thuận Tuy nhiên, phương pháp ước lượng này không phù hợp với dữ liệu dạng bảng vì không xem xét được tác động của yếu tố thời gian và không gian lên đối tượng nghiên cứu
2.2.2 Các nghiên cứu trong nước
Tính đến hiện tay, đã có nhiều bài nghiên cứu trong nước về hệ số CAR của NHTM tại Việt Nam Đáng chú ý là nghiên cứu của Võ Hồng Đức và cộng sự (2014), trong đó tác giả đã xem xét các yếu tố ảnh hưởng đến tỷ lệ CAR thông qua bằng chứng thực nghiệm tại 28 NHTM Việt Nam trong giai đoạn từ năm 2007 đến 2012 Nghiên cứu này nhằm xác định và lượng hóa tác động của các nhân tố tiêu biểu đến hệ số
CAR của các NH thương mại tại Việt Nam Kết quả nghiên cứu chỉ ra rằng, việc tăng tỷ lệ tài sản thanh khoản và tỷ lệ dự phòng rủi ro tín dụng có tác động tích cực đến hệ số CAR Ngược lại, quy mô ngân hàng, tỷ lệ huy động vốn và tỷ suất lợi nhuận trên vốn chủ sở hữu lại có tác động tiêu cực đến hệ số CAR Tuy nhiên, nghiên cứu này không tìm thấy bằng chứng định lượng về tác động của hệ số đòn bẩy và tỷ lệ cho vay đến hệ số CAR
Theo tác giả Thân Thị Thu Thủy và Nguyễn Thị Kim Chi (2015), nghiên cứu về các yếu tố ảnh hưởng đến hệ số CAR tại các NHTMCP tại Việt Nam Bài nghiên cứu lấy dữ liệu từ 17 NHTM tại Việt Nam giai đoạn 2006 – 2010 Nghiên cứu sử dụng phương pháp phân tích dữ liệu bảng (panel data) với phương pháp GMM để xác định mức độ tác động của các nhân tố đến hệ số CAR của NH Kết quả nghiên cứu cho thấy rằng, quy mô NH, quy mô tiền gửi, dư nợ cho vay, dự phòng rủi ro tín dụng, hệ số thanh khoản, khả năng sinh lợi trên tổng tài sản, tỷ suất lợi nhuận biên ròng và hệ số đòn bẩy tài chính đều có ảnh hưởng đến hệ số CAR
Trong nghiên cứu về các yếu tố ảnh hưởng đến tỷ lệ CAR tối thiểu của các ngân hàng thương mại ở Việt Nam do Phạm Phát Tiến và Nguyễn Thị Kiều Ny (2019) thực hiện, nhóm tác giả đã xây dựng mô hình hồi quy tuyến tính đa biến dựa trên dữ liệu bảng từ 29 NHTM trong giai đoạn 2013-2017 Nghiên cứu này bao gồm 7 biến độc lập: quy mô ngân hàng, tỷ suất lợi nhuận trên tổng tài sản, thu nhập lãi thuần, vốn chủ sở hữu trên tài sản, tỷ lệ cho vay trên tổng tài sản, tỷ lệ dự phòng rủi ro tín dụng và tỷ lệ nợ xấu Kết quả cho thấy quy mô ngân hàng và tỷ lệ vốn chủ sở hữu trên tài sản có mối quan hệ tỷ lệ thuận với tỷ lệ CAR tối thiểu Ngược lại, tỷ suất lợi nhuận trên tổng tài sản và tỷ lệ dự phòng rủi ro tín dụng lại có mối quan hệ tỷ lệ nghịch với tỷ lệ CAR tối thiểu Nghiên cứu không tìm thấy bằng chứng về tác động của thu nhập lãi thuần, tỷ lệ cho vay trên tổng tài sản và tỷ lệ nợ xấu đến tỷ lệ CAR tối thiểu
Và trong bài nghiên cứu các nhân tố ảnh hưởng đến hệ số CAR của các NHTM tại Việt Nam của Đỗ Hoài Linh và cộng sự (2019), bài nghiên cứu thu thập dữ liệu từ
26 NHTM tại Việt Nam trong giai đoạn từ năm 2008 đến năm 2013 Kết quả cho thấy rằng quy mô ngân hàng, tỷ lệ thu nhập lãi cận biên, tốc độ tăng trưởng kinh tế và tỷ lệ lạm phát có ảnh hưởng tiêu cực đến hệ số CAR Ngược lại, tỷ lệ đòn bẩy tài chính lại có tác động tích cực đến hệ số CAR của các NHTM tại Việt Nam
Yếu tố tác động đến hệ số CAR của ngân hàng
2.3.1 Các yếu tố vi mô
2.3.1.1 Quy mô ngân hàng ( SIZE )
Biến SIZE được xác định bằng tổng tài sản của NH và được tính toán bằng logarit tự nhiên của tổng tài sản hiện có của NH đó Những NH có tổng tài sản lớn thường đối mặt với nhiều rủi ro từ các khoản cho vay lẫn khoản huy động tiền gửi Hơn nữa, khi tổng tài sản tăng nhanh nhưng vốn chủ sở hữu không tăng kịp để đáp ứng nhu cầu phát triển, phụ thuộc nhiều vào vốn huy động, điều này sẽ gây tác động tiêu cực đến hệ số CAR Theo một số nghiên cứu trước đây như Nadja Dreca (2014) cho rằng SIZE có mối quan hệ nghịch chiều với CAR bởi vì NH càng lớn càng nắm giữ nhiều tài sản rủi ro hơn so với NH nhỏ Ngược lại, nghiên cứu củaShingjergji và Hyseni (2015) cho rằng SIZE tỷ lệ thuận với CAR bởi vì NH lớn thường có danh mục tài sản đa dạng, giúp giảm rủi ro so với NH có quy mô nhỏ Ngoài ra, các NH lớn có xu hướng dự trữ nhiều vốn an toàn hơn, do đó hệ số CAR của họ cũng cao hơn Mối tương quan giữa SIZE và CAR có thể có tương quan âm hoặc tương quan dương
2.3.1.2 Tỷ suất sinh lời trên tổng tài sản ( ROA )
Biến ROA được xác định bằng công thức lợi nhuận sau thuế trên tổng tài sản. Để tăng lợi nhuận, hầu hết các NH thường tăng cường đầu tư vào các tài sản có rủi ro cao, bởi vì rủi ro cao thường đi kèm với tỷ suất sinh lợi cao Tuy nhiên, điều này dẫn đến việc giảm hệ số CAR, vì CAR phản ánh mức độ vốn tự có của NH so với tài sản có rủi ro Vì vậy tồn tại mối tương quan âm giữa ROA và CAR Theo nghiên cứu của Nadja Dreca (2014) cho thấy tài sản có rủi ro cao thường mang lại tỷ suất sinh lợi cao hơn Mặt khác, nghiên cứu của Bahtiar, H.et al (2019) cho thấy mối quan hệ tích cực giữa ROA và CAR vì lợi nhuận cao hơn giúp tăng vốn tự có, làm tăng hệ số
CAR Vì vậy, tồn tại mối tương quan giữa ROA và CAR và có thể là tương quan âm hoặc tương quan dương
2.3.1.3 Tỷ lệ đòn bẩy ( LEV )
Biến LEV được xác định bằng tỷ số giữa vốn chủ sở hữu trên tổng tài sản, chỉ số này giúp đo lường mức độ rủi ro của NH Nếu LEV càng cao, tỷ lệ nợ của NH càng lớn, kéo theo mức độ rủi ro tăng cao Điều này đòi hỏi NH phải tăng cường việc trích lập dự phòng, làm giảm lợi nhuận và ảnh hưởng gián tiếp đến hệ số CAR Khi một
NH có hệ số LEV cao, việc tăng vốn không phải lúc nào cũng dễ dàng do chi phí sử dụng vốn chủ sở hữu cũng tăng theo Nghiên cứu của Võ Hồng Đức và cộng sự (2014) về cho thấy LEV có xu hướng tỷ lệ nghịch với CAR Ngược lại, nghiên cứu của Nadja Dreca (2014) lại chỉ ra rằng NIM có xu hướng tỷ lệ thuận với CAR Vì vậy, tồn tại mối tương quan giữa LEV và CAR, mối tương quan có thể là tương quan âm hoặc tương quan dương
Biến NIM được đo lường bằng chênh lệch giữa thu nhập từ lãi và chi phí trên tổng tài sản sinh lời bình quân Đây là một chỉ tiêu quan trọng để đánh giá hiệu quả hoạt động kinh doanh của NH Khi các NH duy trì được thu nhập từ lãi cao, họ có thể tăng vốn thông qua việc giữ lại thu nhập, từ đó nâng cao vốn tự có Điều này không chỉ giúp NH dễ dàng quản lý vốn tự có và giảm thiểu rủi ro tài chính, mà còn tạo ra tín hiệu tích cực cho giá trị của NH trên thị trường tài chính, làm tăng niềm tin của nhà đầu tư và cổ đông NIM cao cho thấy NH có khả năng tạo ra lợi nhuận tốt từ các hoạt động cho vay và đầu tư, góp phần nâng cao hiệu quả hoạt động kinh doanh tổng thể Hơn nữa, khi thu nhập lớn, NH có thể duy trì hoặc tăng hệ số CAR, đảm bảo an toàn tài chính và đáp ứng yêu cầu của các cơ quan quản lý Theo Nghiên cứu của Nadja Dreca (2014) và Bahtiar, H.et al (2019) chỉ ra rằng NIM có mối quan hệ cũng chiều với hệ số CAR
2.3.1.5 Tỷ lệ huy động trên tổng tài sản (DEP)
Biến DEP được tính bằng tỷ lệ huy động tiền gửi trên tổng tài sản Tỷ lệ tiền gửi là khoản mục có tỷ trọng cao nhất trong nguồn vốn của NHTM và được xem là nguồn vốn quan trọng nhất của các NH.Trong số các hoạt động huy động vốn, việc nhận tiền gửi từ khách hàng được xem là chủ yếu nhất Tỷ lệ huy động tiền gửi của khách hàng được tính bằng tỷ lệ tiền gửi của khách hàng trên tổng tài sản của NH Tỷ lệ này cũng ảnh hưởng đến hệ số CAR Theo nghiên cứu của Nadja Dreca (2014) và
Võ Hồng Đức và cộng sự (2014), DEP có mối quan hệ nghịch biến với hệ số CAR
2.3.1.6 Hệ số thanh khoản (LIQ)
Biến LIQ được tính bằng bằng tỷ số giữa lượng tiền mặt và các khoản tương đương tiền trên cho tổng tài sản Khi tỷ lệ tiền mặt và các khoản tương đương tiền tăng lên, rủi ro thanh khoản sẽ giảm Ngược lại, khi lượng tiền mặt và các khoản tương đương tiền giảm, rủi ro thanh khoản sẽ tăng Khi NH duy trì được khả năng thanh khoản, điều này thể hiện rằng NH có thể đáp ứng nhu cầu tín dụng và dòng tiền, từ đó tăng lợi nhuận và nguồn vốn Điều này có tác động tích cực đến hệ số CAR Nghiên cứu của Võ Hồng Đức và cộng sự (2014) và nghiên cứu của Bhattarai (2020) cũng chỉ ra rằng có một mối tương quan cùng chiều giữa LIQ và hệ số CAR
2.3.2 Các yếu tố vĩ mô
2.3.2.1 Tăng trưởng kinh tế (GDP)
Biến GDP được thể hiện qua tốc độ tăng trưởng tổng sản phẩm quốc nội Chỉ số này được xác định bằng tỷ lệ chênh lệch giữa quy mô kinh tế kỳ hiện tại so với kỳ trước Khi GDP tăng mạnh thì hoạt động kinh doanh của các tổ chức trong nền kinh tế cũng phát triển từ đó góp phần làm tăng nhu cầu tín dụng vậy nên các NH sẽ có nhiều lựa chọn Nhu cầu tín dụng tăng sẽ làm giảm rủi ro tín dụng từ đó làm tăng
CAR Mặt khác, khi đất nước đối mặt với tình hình suy thoái, hoạt động kinh doanh sản xuất bị trì trệ và kém phát triển từ đó làm giảm nhu cầu tín dụng dẫn đến hoạt động tín dụng của NH sẽ giảm theo từ đó làm giảm CAR
2.3.2.2 Tỷ lệ lạm phát (INF)
Biến INF được đo lường chênh lệch giữa chỉ số giá tiêu dùng của kỳ hiện tại so với kỳ trước Lạm phát là sự tăng giá của hàng hóa và dịch vụ tác động làm suy giảm sức mua trên một đơn vị tiền trong một khoảng thời gian nhất định, INF cao thì đồng tiền sẽ bị mất giá gây bất lợi cho các NH trong việc huy động vốn khi đối mặt với việc cạnh tranh lãi suất, đẩy lãi suất huy động lên gần lãi suất tiền gửi làm cho tình hình hoạt động kinh doanh của NH bị thiệt hại nặng nề nhưng vẫn thực hiện từ đó tác động tiêu cực đến CAR.
Khoảng trống nghiên cứu và hướng nghiên cứu của KLTN
Sau khi tiến hành phân tích và tổng hợp các nghiên cứu trước đây liên quan đến đề tài nghiên cứu, tác giả nhận ra rằng chủ đề về hệ số CAR là một lĩnh vực phổ biến nhưng tồn tại sự đa dạng về phạm vi và thời gian nghiên cứu, dẫn đến những kết quả không nhất quán Tại Việt Nam, nghiên cứu về CAR đã được thực hiện ở nhiều giai đoạn khác nhau, nhưng chủ yếu tập trung vào các biến phản ánh đặc điểm của
NH như tỷ suất lợi nhuận trên vốn chủ sở hữu, tỷ suất lợi nhuận trên tổng tài sản, quy mô ngân hàng, và các chỉ số dự phòng rủi ro, Những nghiên cứu này thường bỏ qua các yếu tố vĩ mô quan trọng như tăng trưởng kinh tế hay lạm phát
Chính vì thế, ở nghiên cứu này, từ việc kế thừa các biến ngoại sinh từ những nghiên cứu trước tác giả sẽ bổ sung vào nghiên cứu các biến như tăng trưởng kinh tế và lạm phát Mục tiêu của nghiên cứu là phân tích chi tiết các yếu tố này để cung cấp cái nhìn toàn diện hơn về các yếu tố tác động đến hệ số CAR của 26 NHTM Việt Nam trong giai đoạn 2013 - 2023
TÓM TẮT CHƯƠNG 2 Ở chương 2, tác giả đã trình bày cơ sở lí thuyết về khái niệm và cách đo lường về hệ số CAR theo tiêu chuẩn của Ủy ban Basel và theo quy định tại Việt Nam Đồng thời, tác giả cũng đã khái quát được các nghiên cứu thực nghiệm trong và ngoài nước trước đó cua đề tài này Những nội dung nêu trên sẽ làm tiền đề để tác giả xây dựng mô hình nghiên cứu trong chương 3.
PHƯƠNG PHÁP NGHIÊN CỨU
Quy trình nghiên cứu
Sơ đồ 3 1 Quy Trình Nghiên cứu
Nguồn: Tác giả tổng hợp
Bước 1: Khái quát cơ sở lý thuyết về CAR
Bước 2: Xây dựng mô hình nghiên
Bước 3: Thống kê mô tả, phân tích ma trận tương quan
Bước 4: Hồi quy mô hình theo phương pháp OLS, FEM, REM Từ đó lựa chọn mô hình phù hợp nhất
Bước 5: Kiểm định và xử lí các khuyết tật của mô hình
Bước 6: Kết luận và đề xuất hàm ý các chính sách, hạn chế của đề tài
Mô hình nghiên cứu và các giả thuyết nghiên cứu
Sau khi tổng hợp khung lý thuyết và xem xét các nghiên cứu trong và ngoài nước liên quan đến hệ số CAR, tác giả nhận thấy vẫn còn một số khoảng trống trong những nghiên cứu trước đây Do đó, tác giả đã chọn mô hình nghiên cứu của Bhattarai
(2020) về các yếu tố tác động đến hệ số CAR của ngành NH tại Indonesia làm nền tảng cho nghiên cứu của mình và mở rộng thêm Lý do lựa chọn mô hình này là vì nó bao gồm một số yếu tố quan trọng khi nghiên cứu các yếu tố tác động đến CAR của các NHTM Đồng thời, tác giả cũng tham khảo thêm một số yếu tố độc lập khác từ nhiều nghiên cứu cùng chủ đề của các tác giả khác Cụ thể, biến NIM được tham khảo từ nghiên cứu của Usman (2019) và biến ROA từ nghiên cứu của El-Ansary và Hafez
(2015) Vì vậy, mô hình nghiên cứu được thiết lập như sau:
CAR = β 0 + β 1 SIZEit + β 2 ROAit+ β 3 LEVit + β 4 NIMit + β 5 DEPit + β 6 LIQit +
Trong đó: it là ngân hàng i tại thời điểm t
𝛽i: hệ số góc ứng với từng biến độc lập εi: sai số thống kê
CAR: là hệ số an toàn vốn
SIZE it : Quy mô NH i tại thời điểm t
ROA it : Tỷ lệ lợi nhuận trên tổng tài sản của NH i tại thời điểm t
LEV it : Hệ số đòn bẩy tài chính của NH i tại thời điểm t
NIM it : Biên lãi ròng của NH i tại thời điểm t
LIQ it : Hệ số thanh khoản của NH i tại thời điểm t
DEP it : Tỷ lệ huy động vốn trên tổng tài sản của NH tại thời điểm t
GDP it : Tăng trưởng kinh tế tại thời điểm t
INF it : Tỷ lệ lạm phát tại thời điểm t
Bảng 3 1 Mô tả và đo lường các biến trong mô hình STT Ký hiệu
Công thức tính Tên nghiên cứu Biến phụ thuộc
1 SIZE Quy mô ngân hàng
Log(Tổng tài sản) Võ Hồng Đức và cộng sự (2014); El- Ansary và Hafez (2015); Thân Thị Thu Thủy và Nguyễn Thị Kim Chi (2015);Phạm Phát Tiến và Nguyễn
Ny (2019); Bhattarai (2020); Ths Nguyễn Thị Minh Hương (2021);
2 ROA Tỷ suất lợi nhuận trên tài sản
Thân Thị Thu Thủy và Nguyễn Thị Kim Chi (2015); El- Ansary và Hafez (2015);
3 LEV Tỷ lệ đòn bẩy
Võ Hồng Đức và cộng sự (2014); Bahtiar Usman và cộng sự (2019);
Thân Thị Thu Thủy và Nguyễn Thị Kim Chi (2015); Bahtiar Usman và cộng sự
5 DEP Tỷ lệ huy động vốn trên tổng tài sản
Võ Hồng Đức, và cộng sự (2014); Ths Nguyễn Thị Minh Hương (2021);
6 LIQ Hệ số thanh khoản
Võ Hồng Đức và cộng sự (2014); Bahtiar Usman và cộng sự (2019); Bhattarai
7 GDP Tăng trưởng kinh tế
8 INF Tỷ lệ lạm phát
Nguồn: Tác giả tổng hợp
3.2.2 Các giả thuyết nghiên cứu Đối với quy mô ngân hàng (SIZE)
Khi biến SIZE tăng, nghĩa là quy mô hoạt động của NH càng lớn và tài sản càng nhiều Điều này có thể dẫn đến việc gia tăng các tài sản có rủi ro Nguyên nhân là vì với quy mô lớn, NH thường có xu hướng mở rộng hoạt động và danh mục cho vay, bao gồm cả những khoản vay có rủi ro cao hơn Để bảo vệ những người gửi tiền và nhà đầu tư khỏi các rủi ro tổn thất tiềm tàng, NH cần duy trì hoặc tăng cường hệ số CAR Theo Phạm Phát Tiến, Nguyễn Thị Kiều Ny (2019); Shingjergji và Hyseni
(2015) tương tự cho thấy mối tương quan cùng chiều giữa hai biến này Tuy nhiên, các nghiên cứu của Nadja Dreca (2014); El-Ansary et al (2015); Nguyễn Thị Minh Hương (2021); Võ Hồng Đức và cộng sự (2014); Bahtiar et al (2019) và Bhattarai et al (2020) cho thấy SIZE tác động ngược chiều lên CAR, nghĩa là SIZE càng lớn thì
CAR sẽ giảm Vì vậy tác giả cũng kì vọng mối tương quan giữa hai biến này là ngược chiều và xây dựng giả thuyết như sau:
H1: SIZE tác động ngược chiều đến CAR
● Đối với tỷ suất lợi nhuận (ROA)
Tỷ suất sinh lời trên tài sản của NH được xem là một trong những chỉ tiêu quan trọng trong đo lường hoạt động kinh doanh của NH ROA cao chứng tỏ NH quản lí tài sản tốt trong quá trình chuyển đổi tài sản thành thu nhập ròng Điều này sẽ giúp
NH giảm rủi ro và gia tăng lợi nhuận, NH sẽ tăng thu nhập giữ lại và từ đó giúp tăng nguồn vốn Chính vì thế, lợi nhuận trên tài sản cao giúp NH cải thiện hệ số CAR Các nghiên cứu thực nghiệm trước đây cũng cho thấy lợi nhuận trên tài sản có tác động cùng chiều với hệ số an toàn vốn như nghiên cứu của El-Ansary et al (2015); Bahtiar, H.et al (2019); Nguyễn Thị Minh Hương (2021) Trái ngược, các nghiên cứu của Nadja Dreca (2014); Phạm Phát Tiến, Nguyễn Thị Kiều Ny (2019) lại cho rằng ROA với hệ số an toàn vốn có mối quan hệ ngược chiều Vì vậy tác giả đưa ra giả thuyết sau:
H2: ROA tác động cùng chiều đến CAR
● Đối với tỷ lệ đòn bẩy (LEV)
Hệ số đòn bẩy được xác định tổng nợ trên tổng vốn chủ sỡ hữu của NH Khi hệ số đòn bẩy tăng, nghĩa là nợ tăng so với VCSH, rủi ro tín dụng tăng theo, chi phí vốn cao hơn Điều này làm gia tăng rủi ro và có thể giảm lợi nhuận nếu đầu tư không hiệu quả, làm giảm hệ số CAR Các NH có đòn bẩy tài chính cao thường gặp khó khăn trong việc tăng VCSH do chi phí cao Nghiên cứu của Phạm Phát Tiến, Nguyễn Thị Kiều Ny (2019) và Thân Thị Thu Thủy (2015) đã đưa ra kết quả nghiên cứu về mối tương quan cùng chiều giữa yếu tố đòn bẩy và hệ số CAR của NHTM
H3: LEV tác động cùng chiều đến CAR
● Đối với biên lãi ròng (NIM)
Thu nhập lãi cận biên là một trong những chỉ số quan trọng để đo lường hiệu quả hoạt động của NH Khi cùng quy mô tài sản sinh lời, hệ số NIM càng cao chứng tỏ NH kinh doanh càng hiệu quả, đóng góp phần lớn vào lợi nhuận NH, từ đó giúp cải thiện hệ số CAR Nghiên cứu của Nadja Dreca (2014) và Bahtiar, H.et al (2019) chỉ ra rằng thu nhập lãi cận biên có mối quan hệ cũng chiều với hệ số CAR Do đó, tác giả mong đợi mối tương quan cùng chiều giữa hai yếu tố này Vì vậy, giải thuyết được đưa ra:
H4: NIM tác động cùng chiều đến CAR
● Đối với tỷ lệ huy động vốn trên tổng tài sản (DEP)
Một NH có tỷ lệ DEP càng cao thì NH đó không cần huy động quá nhiều những vốn vay khác từ bên ngoài từ đó NH duy trì đảm bảo CAR ở mức thấp Võ Hồng Đức và cộng sự (2014) cho rằng DEP và CAR có tác động âm Tuy nhiên, Đỗ Hoài Linh và cộng sự (2019) lại cho thấy tác động dương giữa hai biến này Vì vậy, giả thuyết được đưa ra:
H5: DEP tác động ngược chiều đến CAR
● Đối với hệ số thanh khoản (LIQ)
Hệ số này càng lớn chứng tỏ NH có khả năng thanh khoản tốt và đủ đáp ứng đủ nhu cầu tín dụng của khách hàng từ đó giúp gia tăng lợi nhuận và nguồn vốn của
NH làm CAR tăng và ngược lại nếu tính thanh khoản của NH thấp thì NH sẽ không đáp ứng kịp thời yêu cầu rút tiền và cho vay của khách hàng Do vậy, khuyến khích thanh khoản của NH thì LIQ sẽ tác động tích cực đến CAR Nghiên cứu của Võ Hồng Đức và cộng sự (2014) và Bhattarai (2020) đã đưa kết quả chỉ ra LIQ tác động dương đến CAR Vì vậy, giả thuyết được đưa ra:
H6: LIQ tác động cùng chiều đến CAR
● Đối với tăng trưởng kinh tế (GDP)
Khi GDP giảm dẫn đến tình hình sản xuất kinh doanh trong nước kém phát triển, nhu cầu tín dụng giảm từ đó làm giảm hoạt động tín dụng của NH do vậy NH có thể chịu tổn thất tiềm ẩn, vì vậy NH sẽ nắm giữ nhiều vốn hơn để đo lường trước rủi ro nếu tình hình kinh tế bị suy thoái thì sẽ có đủ lượng vốn để bù đắp từ đó làm cho CAR giảm Theo Nguyễn Thị Minh Hương (2021) đã cho thấy GDP và CAR tỷ lệ nghịch với nhau Vì vậy, giả thuyết được đưa ra:
H7: GDP tác động ngược chiều đến CAR
● Đối với tỷ lệ lạm phát (INF)
Khi tỷ lệ INF tăng sẽ làm suy giảm sức mua trên một đơn vị tiền tệ làm cho giá trị của đồng tiền lưu hành trong nền kinh tế giảm xuống, do đó sự huy động vốn của NH sẽ gặp khó khăn trong việc cạnh tranh lãi suất, đẩy lãi suất huy động lên gần lãi suất tiền gửi, điều này làm ảnh hưởng xấu đến NH trong hoạt động kinh doanh, nhưng NH vẫn thực hiện làm giảm CAR Nghiên cứu của Bhattarai (2020) và Nguyễn Thị Minh Hương (2021) đã cho thấy mối quan hệ ngược chiều giữa INF và CAR Vì vậy, giả thuyết được đưa ra:
H8: INF tác động ngược chiều đến CAR
Bảng 3 2 Các giả thuyết nghiên cứu
Yếu tố Dấu kỳ vọng Các giả thuyết
SIZE - H1: Quy mô ngân hàng tác động ngược chiều đến CAR
ROA + H2: Tỷ lệ cho vay trên tổng tài sản tác động cùng chiều đến CAR
LEV + H3: Tỷ lệ đồn bẩy tác động cùng chiều đến CAR
NIM + H4: Biên lãi ròng tác động cùng chiều đến CAR
DEP - H5: Tỷ lệ huy động vốn trên tổng tài sản tác động ngược chiều đến CAR
LIQ + H6: Hệ số thanh khoản tác động cùng chiều đến CAR
GDP - H8: Tăng trưởng kinh tế tác động ngược chiều đến CAR
INF - H9: Tỷ lệ lạm phát tác động ngược chiều đến CAR
Nguồn: Tác giả tổng hợp
Dữ liệu nghiên cứu
Mẫu nghiên cứu bao gồm 26 NHTM tại Việt Nam được thu thập số liệu từ năm 2013 đến năm 2023 Các NH trong số liệu nghiên cứu vẫn còn tồn tại và hoạt động đến 31/12/2023
Bảng 3 3 Danh sách 26 NHTM tại Việt Nam
STT Ngân hàng STT Ngân hàng
(ABBANK) 14 NHTMCP Quốc Dân (NVB)
2 NHTMCP Á Châu (ACB) 15 NHTMCP Phương Đông (OCB)
BANK) 16 NHTMCP Xăng dầu Petrolimex
4 NHTMCP Đầu tư và Phát triển Việt Nam (BIDV) 17 NHTMCP Sài Gòn Công thương
5 NHTMCP Bản Việt (BVB) 18 NHTMCP Sài Gòn – Hà Nội (SHB)
Nam (CTG) 19 NHTMCP Đông Nam Á
Việt Nam (EXIMBANK) 20 NHTMCP Sài Gòn Thương tín
HCM (HDB) 21 NHTMCP Kỹ thương Việt Nam
(KIENLONGBANK) 22 NHTMCP Tiên phong (TPBank)
Việt (Lienvietpostbank) 23 NHTMCP Việt Á (VAB)
24 NHTMCP Ngoại thương Việt Nam (Vietcombank)
Nam (MSB) 25 NHTMCP Quốc Tế (VIB)
13 NHTMCP Nam Á (NAB) 26 NHTMCP Việt Nam Thịnh Vượng
Nguồn: Tác giả tổng hợp
3.3.2 Phương pháp thu thập dữ liệu
Dữ liệu của nghiên cứu được thu thập từ báo cáo thường niên, BCTC của 26 NHTM trong giai đoạn 2013-2023 trên website của các NHTM và từ nguồn trên website https://finance.vietstock.vn/ Ngoài ra, các NH hiện nay đang hướng tới phát triển thành tập đoàn và kinh doanh đa ngành nghề nên BCTC riêng lẻ chưa phản ánh đầy đủ tình hình tài chính và hoạt động kinh doanh của NH, do đó báo cáo hợp nhất mới đáp ứng đầy đủ các mục tiêu trên Vì vậy, dữ liệu được sử dụng trong bài luận văn được thu thập từ BCTC hợp nhất qua các năm của các NHTM tại Việt Nam
3.3.3 Công cụ xử lý dữ liệu
Bộ dữ liệu của bài nghiên cứu được sử dụng cho mô hình định lượng là dữ liệu bảng Dữ liệu bảng là dữ liệu phân tích đối tượng cả hai chiều không gian và thời gian dữ liệu Dữ liệu này còn kết hợp dữ liệu chéo và dữ liệu thời gian Việc lựa chọn sử dụng dữ liệu bảng sẽ có ưu điểm hơn so với dữ liệu chéo hay dữ liệu thời gian Đề tài nghiên cứu sử dụng phần mềm hỗ trợ Stata 17.0 để xử lý dữ liệu.
Quy trình xử lý dữ liệu
Phương pháp thống kê mô tả: mô tả hoặc tóm tắt lại một tập hợp của dữ liệu mà tác giả đã thu thập được trong mô hình nghiên cứu trước được thể hiện qua các chỉ số như số quan sát, giá trị trung bình, độ lệch chuẩn, giá trị lớn nhất và giá trị nhỏ nhất Từ đó, dựa trên chỉ số này sẽ cho cái nhìn tổng quát hơn về mô hình nghiên cứu
3.4.2 Phân tích ma trận tương quan
Ma trận tương quan cho biết mức độ tác động qua lại, cùng chiều hay ngược chiều giữa từng biến độc lập với nhau và từng biến độc lập với biến phụ thuộc Hệ số này dao động từ -1 đến +1
Hệ số này mang giá trị âm thì cặp biến quan sát đang có sự tác động và thay đổi ngược chiều với nhau
Hệ số này mang giá trị dương thì cặp biến quan sát đang có sự tác động và thay đổi cùng chiều với nhau
3.4.3 Kiểm tra đa cộng tuyến
Hiện tượng đa cộng tuyến là hiện tượng mà các biến độc lập trong mô hình có mối quan hệ tuyến tính với nhau, nghĩa là các biến độc lập có tương quan mạnh và phụ thuộc lẫn nhau Với nội dung nghiên cứu, tác giả sẽ dùng kiểm định hệ số VIF để kiểm tra hiện tượng đa cộng tuyến
Nếu hệ số VIF lớn hơn 10 thì chắc chắn có hiện tượng đa cộng tuyến giữa các biến độc lập Trường hợp xuất hiện hiện tượng đa cộng tuyến, tác giả sẽ loại bỏ biến số có VIF > 10 để loại bỏ hiện đa cộng tuyến ra khỏi mô hình
3.4.4 Phân tích các phương pháp xử lý dữ liệu mô hình
Phương pháp hồi quy OLS
Mô hình Pooled OLS là phương pháp hồi quy dùng để ước lượng bằng cách sử dụng toàn bộ dữ liệu bằng cách xếp chồng, không phân biệt các khác biệt giữa các cá thể và thời gian quan sát Nó sử dụng dữ liệu như một tập hợp đám mây để ước tính mối tương quan của mô hình bằng phương pháp OLS thông thường
Việc sử dụng hồi quy Pooled OLS có thể dẫn đến ước lượng sai do các giả thuyết của mô hình không được thỏa mãn Ngoài ra, nó có thể dẫn đến nhận diện sai do sự tự tương quan và việc ràng buộc chặt chẽ giữa các đơn vị, làm cho mô hình khó phù hợp với thực tế
Phương pháp hồi quy FEM (Fixed Effect Model)
Mô hình FEM là phương pháp hồi quy phân tích khi có sự kiểm soát các đặc điểm đặc thù của từng đơn vị quan sát và có tương quan giữa phần dư của mô hình và các biến độc lập Tuy nhiên, mô hình FEM có hạn chế là không đo lường được các yếu tố biến đổi theo thời gian, mà chỉ đo lường các giá trị cố định của từng đơn vị được xác định trong dữ liệu
Phương pháp hồi quy REM (Random Effect Model)
Mô hình REM là phương pháp hồi quy phân tích khi có sự kiểm soát các đặc điểm đặc thù của từng đơn vị quan sát và không có tương quan giữa phần dư của mô hình và các biến độc lập
Mô hình REM và FEM có sự khác nhau về cách xử lý sự biến động giữa các đơn vị Trái với mô hình FEM, mô hình REM giả định rằng sự biến động giữa các đơn vị là ngẫu nhiên và không có tương quan với các biến giải thích Do đó, mô hình REM thường được xem là phù hợp hơn với một số trường hợp Một ưu điểm của mô hình REM là khả năng bao gồm các biến giải thích không thay đổi theo thời gian vào mô hình
3.4.5.1 Kiểm định lựa chọn mô hình Để lựa chọn mô hình hồi quy phù hợp nhất giữa mô hình Pooled OLS, FEM và REM thì tác giả tiến hành lần lượt các kiểm định sau:
Kiểm định F-test dùng để lựa chọn giữa hai mô hình theo phương pháp OLS hoặc là FEM Với giải thuyết:
H0: Lựa chọn mô hình theo phương pháp OLS
H1: Lựa chọn mô hình FEM
Nếu P-value5%, chấp nhận H0, chọn mô hình OLS
Kiểm định Hausman dùng để tìm ra mô hình phù hợp nhất giữa hai mô hình: FEM và REM Cặp giả thuyết đưa ra:
H0: Lựa chọn mô hình REM
H1: Lựa chọn mô hình FEM
Nếu P-value > 5%, chấp nhận H0, chọn mô hình REM
Nếu P-value < 5%, bác bỏ H0, chọn mô hình FEM
3.4.5.2 Kiểm định khuyết tật mô hình
Kiểm định phương sai sai số thay đổi
Hiệp phương sai sai số thay đổi là hiện tượng mà tại đó phần dư hoặc sai số của mô hình sau quá trình hồi quy không tuần theo phân phối ngẫu nhiên và phương sai ước lượng không bằng nhau Nếu phương sai của sai số thay đổi, phép hồi quy đạt tiêu chuẩn về hiệp phương sai đồng nhất Ngược lại, nếu chỉ số này biến đổi cao thì kết quả quá trình kiểm định ước lượng dễ mắc sai lầm
Trong trường hợp nếu mô hình được tá giả chọn là FEM thì tiếp đó phải chạy câu lệnh xttest3 để thực hiện kiểm định này Ngược lại, nếu chọn mô hình REM thì sử dụng lệnh xttest0 để kiểm định
Các kiểm định này đều có giả thuyết:
H0: Không có hiện tượng phương sai sai số thay đổi và
H1: Có hiện tượng phương sai sai số thay đổi
Nếu P-value5%, mô hình không có hiện tượng phương sai sai số thay đổi
Kiểm định hiện tượng tự tương quan
Tự tương quan là hiện tượng trong dữ liệu chuỗi thời gian hoặc dữ liệu chéo, trong đó các quan sát liên tiếp trong thời gian (trong dữ liệu chuỗi thời gian) hoặc các đơn vị không gian (trong dữ liệu chéo) có xu hướng có mối tương quan với nhau Điều này có nghĩa là giá trị của biến tại một thời điểm hoặc địa điểm có thể phụ thuộc vào giá trị của biến tại thời điểm hoặc địa điểm trước đó Hiện tượng tự tương quan thường được xác định và đánh giá để đảm bảo tính hợp lý của các mô hình thống kê và dự báo, và có thể được xử lý bằng cách sử dụng các mô hình thích hợp như mô hình chuỗi thời gian hay các mô hình dự báo có điều kiện Để kiểm định hiện tượng tự tương quan, tác giả sử dụng kiểm định Woodridge với cặp giả thuyết như sau:
H0: Mô hình không có hiện tượng tự tương quan
H1: Mô hình có hiện tượng tự tương quan
Nếu P-value < 5%, bác bỏ H0, mô hình có hiện tượng tự tương quan Và ngược lại, nếu P-value >5%, chấp nhận H0 tức là mô hình không có hiện tượng tự tương quan
3.4.6 Hồi quy theo phương pháp FGLS
KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN
Phân tích thống kê mô tả
Kết quả thống kê mô tả của các biến trong mô hình được tác giả trình bày dưới bảng 4.1:
Bảng 4 1 Thống kê mô tả Biến Số quan sát
Giá trị trung bình Độ lệch chuẩn
Nguồn: Tính toán của tác giả trên Stata 17.0
Tác giả đã sử dụng phân tích thống kê mô tả trên 286 quan sát của 26 NHTM tại Việt Nam trong giai đoạn từ năm 2013 đến 2023 Phân tích thống kê mô tả cung cấp nhưng thông tin như giá trị trung bình, độ lệch chuẩn, giá trị tối thiểu và giá trị tối đa của từng biến được tác giả thu thập trong các nghiên cứu trước đó.Qua đó, tác giả có thể khám phá các khác biệt tồn tại trong mẫu nghiên cứu, đồng thời cung cấp cái nhìn toàn diện về dữ liệu, cụ thể như sau:
Bảng 4.1 cho thấy biến phụ thuộc CAR có giá trị trung bình là 12,7% và độ lệch chuẩn là 3,2% Giá trị nhỏ nhất là 8,4% thuộc về NHTMCP Bưu điện Liên Việt (LPB) năm 2019 và giá trị lớn nhất là 24,5% thuộc về NHTMCP Hàng Hải Việt Nam (MSB) vào năm 2015.Sự chênh lệch này phản ánh rằng vẫn còn tồn tại một số NH duy trì tỷ lệ CAR cao hơn đáng kể so với các NH khác Nhưng nhìn chung, hệ số CAR trung bình của các NHTM vẫn cao hơn mức quy định tối thiểu là 8% NHNN Việt Nam theo thông tư 41/2016/TT-NHNN, điều này cho thấy NHTM đã tuân thủ chặt chẽ các quy định về tỷ lệ CAR Việc tuân thủ này không chỉ giúp NH duy trì sự ổn định tài chính mà còn tăng cường niềm tin của khách hàng và các nhà đầu tư
Biểu đồ 4 1 Hệ số CAR trung bình của 26 NHTM tại Việt Nam giai đoạn 2013
Nguồn: Thống kê của tác giả
Biểu đồ 4.1 trình bày hệ số CAR trung bình của 26 NHTM tại Việt Nam từ năm 2013 đến 2023, cho thấy một xu hướng giảm dần từ mức cao nhất là 15,14% vào năm 2013 xuống mức thấp nhất là 11,02% vào năm 2018 Từ năm 2019, hệ số CAR ổn định hơn, mặc dù vẫn ở mức thấp hơn nhiều so với những năm đầu Dao động quanh mức 11%, với đỉnh cao là 11,96% vào năm 2022 và giảm nhẹ xuống 11,75% vào năm 2023
Bảng 4.1 cho thấy biến SIZE đạt giá trị lớn nhất vào năm 2023 thuộc về NHTMCP Đầu tư và Phát Triển Việt Nam (BID) với 9,362 và thấp nhất vào năm
2013 của NHTMCP Sài Gòn Công Thương (SGB) Độ lệch chuẩn của SIZE là 0,495, tương đương 49,5%, cho thấy sự phân tán đáng kể trong quy mô tài sản giữa các NH trong mẫu nghiên cứu, phản ánh sự chênh lệch lớn về kích thước và tầm quan trọng giữa các NH Giá trị trung bình của SIZE đạt 8,202, cho thấy rằng trung bình các NH trong mẫu có quy mô tương đối lớn Sự khác biệt rõ rệt về quy mô giữa các NH, với BID dẫn đầu về quy mô tài sản và SGB có quy mô nhỏ nhất, cùng với độ lệch chuẩn cao nhấn mạnh sự đa dạng về quy mô trong ngành Đồng thời, giá trị trung bình cao chỉ ra mức độ phát triển tổng thể mạnh mẽ của các NH trong mẫu nghiên cứu, tạo nên một bức tranh toàn diện về sự phân bố và phát triển quy mô tài sản của các NHTM tại Việt Nam
Biểu đồ 4 2 Quy mô ngân hàng trung bình của 26 NHTM tại Việt Nam giai đoạn
Nguồn: Thống kê của tác giả
Biểu đồ 4.2 cho thấy SIZE trung bình của 26 NHTM Việt Nam trong giai đoạn từ năm 2013 đến năm 2023 Từ năm 2013 với mức 789,53%, quy mô đã tăng lên 848,20% vào năm 2023, cho thấy xu hướng tăng trưởng ổn định Tỷ lệ tăng trưởng hàng năm dao động quanh mức 5-10% Mức độ biến động thấp trên biểu đồ cho thấy sự ổn định trong quy mô ngân hàng trung bình qua các năm Tổng quan, quy mô của các NH thương mại tại Việt Nam đã liên tục tăng trưởng và duy trì ổn định trong suốt thập kỷ qua, phản ánh sự phát triển bền vững và mở rộng của ngành NH tại Việt Nam
Bảng 4.1 cho thấy ROA có giá trị trung bình là 0,9% và độ lệch chuẩn là 0,7%
ROA đạt giá trị cao nhất vào năm 2021 với 3,2% thuộc về NHTMCP Kỹ thương Việt
Nam (TCB) trong khi thấp nhất chỉ đạt 0% thuộc về NHTMCP Quốc Dân (NVB) năm 2022 Tổng thể, ROA của các NH thương mại Việt Nam trong giai đoạn 2013-
2023 cho thấy khả năng sinh lợi trên tài sản ở mức trung bình và có sự biến động tương đối thấp giữa các NH
Biểu đồ 4 3 ROA trung bình của 26 NHTM Việt Nam giai đoạn 2013 – 2023
Nguồn: Thống kê của tác giả
Biểu đồ 4.3 cho thấy ROA (Return on Assets) trung bình của 26 NH thương mại Việt Nam trong giai đoạn 2013 – 2023 Giai đoạn 2013 - 2015, ROA giảm nhẹ từ 0,62% xuống 0,47%, cho thấy các NH gặp khó khăn trong việc duy trì hiệu quả sinh lợi trên tài sản Từ 2016 đến 2019, ROA tăng trở lại, từ 0,53% lên 1,03%, phản
2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 ánh sự phục hồi và tăng trưởng trong ngành NH Giai đoạn 2020 - 2021, ROA tiếp tục tăng mạnh, đạt đỉnh 1,43% năm 2021, có thể nhờ các biện pháp hỗ trợ kinh tế và chính sách tiền tệ trong bối cảnh đại dịch COVID-19 Tuy nhiên, từ 2022 đến 2023,
ROA giảm nhẹ từ 1,25% xuống 1,20%, phản ánh những thách thức mới hoặc điều chỉnh trong hoạt động kinh doanh của các NH Tổng thể, mặc dù có sự biến động theo các giai đoạn kinh tế và chính sách tiền tệ, xu hướng dài hạn của ROA là tăng trưởng, cho thấy sự cải thiện trong hiệu quả hoạt động của các NH thương mại Việt Nam
Bảng 4.1 cho thấy DEP có giá trị trung bình là 67,4% và độ lệch chuẩn là 10,1% DEP đạt giá trị cao nhất vào năm 2015 với 89,4% thuộc về NHTMCP Thương Tín (STB) trong khi thấp nhất đạt 42% thuộc về NHTMCP Tiên Phong (TPB) năm
2014 Qua đó cho thấy cho thấy tỷ lệ tiền gửi trên tổng tài sản trung bình của các NHTM Việt Nam là khá cao, nhưng cũng có sự biến động lớn giữa các NH Những
NH có tỷ lệ DEP cao thường có nguồn vốn ổn định hơn từ tiền gửi, trong khi những
NH có tỷ lệ thấp có thể dựa vào các nguồn vốn khác
Biểu đồ 4 4 DEP trung bình của 26 NHTM Việt Nam giai đoạn 2013 – 2023
Nguồn: Thống kê của tác giả
Biểu đồ 4.4 cho thấy tỷ lệ DEP trung bình của 26 NHTM Việt Nam trong giai đoạn 2013 – 2023 Dữ liệu cho thấy sự biến động đáng kể trong tỷ lệ này qua các
2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 năm Cụ thể, năm 2013, tỷ lệ DEP bắt đầu ở mức 64,27% Từ 2013 đến 2016, tỷ lệ này tăng mạnh và đạt đỉnh cao nhất vào năm 2016 với 70,82% Năm 2017, tỷ lệ DEP giảm nhẹ xuống còn 67,48% Từ 2018 đến 2020, tỷ lệ DEP duy trì sự ổn định, sau đó giảm mạnh xuống 65,11% vào năm 2021 và tiếp tục giảm còn 64,22% vào năm 2022 Việc tỷ lệ DEP giảm mạnh chủ yếu là do tác động từ đại dịch COVID-19 Các biện pháp giãn cách xã hội và phong tỏa đã làm giảm hoạt động kinh tế, gây ra suy giảm trong nhiều ngành nghề và giảm thu nhập của nhiều người dân và doanh nghiệp Điều này có thể dẫn đến việc giảm lượng tiền gửi vào các NH
Bảng 4.1 cho thấy NIM có giá trị trung bình là 3,1% và độ lệch chuẩn là 1,3%
NIM đạt giá trị cao nhất vào năm 2019 với 9,3% thuộc về NHTMCP Việt Nam Thịnh
Vượng (VPB) trong khi thấp nhất đạt 0,6% thuộc về NHTMCP Phát Triển Thành phố
Hồ Chí Minh (HDB) năm 2013
Biểu đồ 4 5 NIM trung bình của 26 NHTM tại Việt Nam giai đoạn 2013 – 2023
Nguồn: Thống kê của tác giả
Biểu đồ 4.5 thể hiện tỷ lệ NIM trung bình của 26 NHTM Việt Nam trong giai đoạn 2013 – 2023, cho thấy xu tăng dần qua các năm Năm 2013, tỷ lệ NIM bắt đầu ở mức 3,03%, sau đó giảm xuống mức thấp nhất là 2,82% vào năm 2014 Giai đoạn năm 2015 đến 2022, tỷ lệ này duy trì ổn định và đạt đỉnh cao nhất ở mức 3,62% vào
2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 năm 2022 Tuy nhiên, năm 2023 lại ghi nhận sự giảm sút, đưa NIM xuống còn 3,18%
Sự tăng trưởng của NIM trong giai đoạn này phản ánh nỗ lực của các NH trong việc cải thiện hiệu quả quản lý chi phí và tối ưu hóa hoạt động cho vay, mặc dù vẫn phải đối mặt với những biến động do thay đổi trong chính sách tiền tệ và môi trường kinh tế
Bảng 4.1 cho thấy LIQ có giá trị trung bình là 14,5% và độ lệch chuẩn là 6,3%
LIQ đạt giá trị cao nhất vào năm 2021 với 42,6% thuộc về NHTMCP Kiên Long (KLB) trong khi thấp nhất đạt 3,8% thuộc về NHTMCP Việt Nam Thịnh Vượng (VPB) năm 2016
Biểu đồ 4 6 LIQ trung bình của 26 NHTM tại Việt Nam giai đoạn 2013 – 2023
Nguồn: Thống kê của tác giả
Biểu đồ 4.6 thể hiện tỷ lệ LIQ trung bình của 26 NHTM Việt Nam trong giai đoạn 2013 – 2023, cho thấy sự biến động đáng kể Tỷ lệ LIQ bắt đầu ở mức 14,51% vào năm 2013 và tăng nhẹ lên 14,83% vào năm 2014 Tuy nhiên, từ năm 2015 đến
2016, tỷ lệ này giảm mạnh xuống mức thấp nhất là 11,26% Giai đoạn từ 2017 đến
Phân tích ma trận tương quan
Bảng 4 2 Kết quả ma trận tương quan
CAR SIZE ROA NIM DEP GDP INF LIQ LEV
Nguồn: Tính toán của tác giả từ Stata 17.0
Theo bảng 4.2, các biến độc lập SIZE, ROA và DEP có mối tương quan âm với CAR, trong đó SIZE có hệ số tương quan âm cao nhất là -0,5095 Điều này chỉ ra rằng khi quy mô của NH càng lớn thì tỷ lệ CAR của NH đó thường càng nhỏ và ngược lại Ngoài ra, hệ số tương quan giữa CAR và các biến độc lập NIM, LIQ, LEV, GDP và INF đều cho thấy mối tương quan dương
Theo Kennedy (2008) nếu giữa các biến độc lập trong mô hình không có cặp biến nào có trị tuyệt đối của hệ số tương quan lớn hơn 0,8, thì sẽ không có hiện tượng đa cộng tuyến, và các biến trong mô hình là phù hợp Từ kết quả phân tích, ta thấy các cặp biến trong mô hình đều có trị tuyệt đối của hệ số tương quan tuyến tính nhỏ hơn 0,8 Do đó, không có hiện tượng đa cộng tuyến giữa các cặp biến số, và các biến số được đưa vào mô hình là phù hợp Vì thế tác giả không loại bỏ biến nào.
Kiểm tra đa cộng tuyến
Hệ số phóng đại phương sai (VIF) cho biết một biến có mối quan hệ nghiêm trọng đa cộng tuyến với các biến khác hay không Nếu hệ số VIF > 10 thì mô hình xảy ra hiện tượng đa cộng tuyến Tác giả sử dụng phương pháp ước lượng hệ số VIF để kiểm định và cho kết quả dưới bảng sau:
Bảng 4 3 Kết quả kiểm tra đa cộng tuyến
Nguồn: Tình toán của tác giả từ Stata 17.0
Bảng 4.3 cho thấy hệ số VIF của các biến độc lập trong mô hình đều có giá trị nhỏ hơn 10 và có giá trị trung bình là 1,85 Vì vậy có thể kết luận rằng mô hình không xuất hiện hiện tượng đa cộng tuyến nghiêm trọng Theo đó, các biến độc lập được đưa vào mô hình có thể xem là khá phù hợp trong việc phân tích tác động đến hệ số CAR của các NHTM Việt Nam.
Kết quả nghiên cứu
4.4.1 Kết quả ước lượng mô hình hồi quy Để đánh giá chính xác từng yếu tố ảnh hưởng đến tỷ lệ CAR, tác giả đã áp dụng ba phương pháp hồi quy: Pooled OLS (mô hình hồi quy tuyến tính cổ điển), FEM (mô hình hồi quy với tác động cố định) và REM (mô hình hồi quy với tác động ngẫu nhiên) Mục đích là để xác định mô hình nào phù hợp nhất với dữ liệu nghiên cứu
Phân tích hồi quy theo mô hình Pooled OLS
Bảng 4 4 Kết quả hồi quy của mô hình Pooled OLS
CAR Hệ số Sai số chuẩn t P>t Khoảng tin cậy 95%
*, **, *** tương ứng với các mức ý nghĩa 10%, 5%, 1%
Nguồn: Tính toán của tác giả từ Stata 17.0
Kết quả hồi quy theo mô hình Pooled OLS từ bảng 4.4 cho thấy mô hình đã giải thích được 64,4% (R 2 =0,644) sự thay đổi của CAR tại 26 NHTM tại Việt Nam Các biến độc lập ROA, NIM, DEP, LEV, GDP đều được chấp nhận giải thích cho biến phụ thuộc CAR với mức ý nghĩa lần lượt là 1%, 10%, 1%, 1%, 5% Trong đó các biến
ROA, DEP, LIQ có tác động ngược chiều đến biến CAR Ba biến độc lập còn lại là SIZE, LIQ, INF không có ý nghĩa thống kê
Phân tích hồi quy FEM
Từ kết quả từ bảng 4.5 cho thấy mô hình FEM đã giải thích được 55.9% (R 2 =0,5590) sự thay đổi của CAR tại 26 NHTM tại Việt Nam Các biến NIM, LEV tác động cùng chiều đến CAR với mức ý nghĩa là 1% Các biến có tác động ngược chiều đến CAR là SIZE, ROA với mức ý nghĩa 1% và DEP là 5% LIQ, GDP và INF là ba biến không có ý nghĩa thống kê ở mô hình hồi quy này
Bảng 4 5 Kết quả hồi quy của mô hình FEM
CAR Hệ số Sai số chuẩn t P>t Khoảng tin cậy 95%
*, **, *** tương ứng với các mức ý nghĩa 10%, 5%, 1%
Nguồn: Tính toán của tác giả từ Stata 17.0
Phân tích hồi quy REM
Từ kết quả từ bảng 4.6 cho thấy mô hình FEM đã giải thích được 54,93% (R2=0,5493) sự thay đổi của CAR tại 26 NHTM tại Việt Nam Các biến NIM, LEV,
GDP tác động cùng chiều đến CAR với mức ý nghĩa lần lượt là 5%, 1%, 5% Các biến có tác động ngược chiều đến CAR là SIZE, ROA, DEP với mức ý nghĩa lần lượt là 5%, 1%, 1% LIQ và INF là hai biến không có ý nghĩa thống kê ở mô hình hồi quy này
Bảng 4 6 Kết quả hồi quy mô hình REM
CAR Hệ số Sai số chuẩn t P>t Khoảng tin cậy 95%
*, **, *** tương ứng với các mức ý nghĩa 10%, 5%, 1%
Nguồn: Tính toán của tác giả theo Stata 17.0
4.4.2 Các kiểm định mô hình
4.4.2.1 Kiểm định sự phù hợp giữa mô hình OLS và FEM
Tác giả thực hiện kiểm định F-test để so sánh và chọn ra mô hình phù hợp giữa
2 mô hình Pooled OLS và FEM với giả cặp thuyết:
H0: Mô hình Pooled OLS là phù hợp
H1: Mô hình FEM là phù hợp
Nếu P-value>5%, chấp nhận giả thuyết H0, nghĩa là mô hình Pooled OLS là phù hợp Ngược lại, nếu P-value 5%, chấp nhận giả thuyết H0, nghĩa là mô FEM là phù hợp Ngược lại, nếu P-value 5%, bác bỏ H1, mô hình FEM không có hiện tượng tự tương quan chuỗi
Bảng 4 9 Kiểm định Woodlridge test
Nguồn: Tính toán của tác giả từ Stata 17.0
Từ kết quả ở bảng 4.10 cho thấy P-Value=0,000 < 5%, vậy ta bác bỏ giả thuyết
H0, chấp nhận giả thuyết H1 Như vậy, mô hình có xảy ra hiện tượng tự tương quan
Kiểm tra hiện tượng phương sai sai số thay đổi:
Tiếp theo để kiểm định hiện tượng phương sai sai số thay đổi có trong mô hình hay không, tác giả thực hiện kiểm định Wald với cặp giả thuyết:
H0: Mô hình không có hiện tượng phương sai sai số thay đổi
H1: Mô hình có hiện tượng phương sai sai số thay đổi
Nếu P-Value < 5%, bác bỏ H0, mô hình có hiện tượng phương sai sai số thay đổi Ngược lại, nếu P - Value > 5%, chấp nhận H0, mô hình không có hiện tượng phương sai sai số thay đổi
Bảng 4 10 Kiểm định Wald test
Nguồn: Tính toán của tác giả từ Stata 17.0
Từ kết quả hình 4.11 cho thấy p- value= 0,000t Khoảng tin cậy 95%
*, **, *** tương ứng với các mức ý nghĩa 10%, 5%, 1%
Nguồn: Tính toán của tác giả từ Stata 17.0
Từ bảng kết quả 4.12 cho thấy, sau khi khắc phục hiện tượng tự tương quan và phương sai sai số thay đổi, mô hình có 4 biến độc lập có ý nghĩa thống kê (SIZE,
ROA, DEP, LEV) Kết quả ước lượng chỉ ra rằng, các biến SIZE, ROA và LEV có ý nghĩa thống kê ở mức 1% Trong đó biến SIZE và ROA tác động ngược chiều với
CAR còn LEV tác động cùng chiều Ở mức ý nghĩa 5% cho thấy biến DEP có tác động ngược chiều với CAR Ngoài ra, các biến còn lại NIM, LIQ, INF, GDP có giá trị P-value
