Mô hình nghiên cứu áp dụng phương pháp hồi quy với biến phụ thuộc là hệ số an toàn vốn CAR và các biến độc lập gồm quy mô ngân hàng SIZE, tỷ suất sinh lời trên tổng tài sản ROA, tỷ lệ đò
GIỚI THIỆU ĐỀ TÀI NGHIÊN CỨU
Lý do chọn đề tài
1.1.1 Giới thiệu hệ số an toàn vốn
Hệ số an toàn vốn CAR là thước đo quan trọng đánh giá độ an toàn vốn của ngân hàng và đảm bảo tính ổn định cũng như hiệu quả của hệ thống tài chính Hệ số CAR chịu sự tác động của rất nhiều yếu tố khác nhau, bao gồm cả những yếu tố thuộc ngân hàng và các yếu tố vĩ mô ngoài ngân hàng Hệ số an toàn vốn lần đầu được giới thiệu trong chuẩn quốc tế Basel về an toàn hoạt động ngân hàng “Trong khi nỗ lực thúc đẩy sự ổn định hệ thống ngân hàng và bảo vệ người gửi tiền, Hiệp định Basel yêu cầu các tổ chức tài chính phải duy trì hệ số an toàn vốn tối thiểu.” (Melita, 2019) Đầu những năm thập niên 70, nền kinh tế thế giới chứng kiến cuộc khủng hoảng tài chính và những xáo trộn nghiêm trọng trên thị trường tiền tệ và ngân hàng quốc tế, kéo theo sự sụp đổ hàng loạt của các ngân hàng ở những quốc gia phát triển
Trong bối cảnh đó, Uỷ ban Basel (tên ban đầu là Uỷ ban Quy định và Giám sát Ngân hàng) được thành lập bởi Thống đốc Ngân hàng trung ương của nhóm các quốc gia G10 vào cuối năm 1974 Với trụ sở chính tại Ngân hàng Thanh toán Quốc tế (BIS), Ủy ban được thành lập để tăng cường ổn định tài chính bằng cách nâng cao chất lượng giám sát ngân hàng trên toàn thế giới, đóng vai trò là diễn đàn hợp tác thường xuyên giữa các quốc gia thành viên về các vấn đề giám sát ngân hàng Năm
1975, Hiệp ước Basel do Uỷ ban Basel ban hành đi kèm các tiêu chuẩn bảo đảm an toàn hoạt động ngân hàng, trải qua nhiều lần sửa đổi với những thay đổi chặt chẽ, nghiêm ngặt hơn trong các tiêu chuẩn nhằm bảo đảm an toàn cho các NHTM từ Basel
1.1.2 Cơ sở thực tiễn và tính cấp thiết của đề tài
Trong quá trình hội nhập với các nước khu vực và mở rộng ra toàn thế giới, Việt Nam cũng từng bước tiếp cận với các chuẩn mực quốc tế Các chuẩn mực quốc tế về đảm bảo an toàn hoạt động ngân hàng đã được Việt Nam nghiên cứu và áp dụng lần đầu tiên vào năm 2005 dựa trên các tiêu chuẩn thuộc Basel I Việc triển khai Basel
II, rồi đến Basel III, mang lại không chỉ cơ hội mà còn là thách thức cho các ngân hàng tại Việt Nam
Tiếp cận với chuẩn mực Basel II, NHNN Việt Nam đã ban hành Thông tư số 41/2016/TT-NHNN, có hiệu lực từ ngày 30/12/2016 Thông tư quy định tỷ lệ an toàn vốn CAR đối với ngân hàng, chi nhánh ngân hàng nước ngoài tại Việt Nam là 8% Thực hiện chuẩn Basel II, tiệm cận Basel III được xem là một trong những nhiệm vụ trọng tâm được các NHTM hướng tới
Theo cập nhật từ Ngân hàng Nhà nước, đầu năm 2023, tổng vốn tự có của các NHTM áp dụng Thông tư 41 là hơn 400.000 tỷ đồng, tăng 15,23% so với đầu năm
2022 Tỷ lệ an toàn vốn CAR đạt ở mức 9,04% Trong đó có một số NHTM Việt Nam ghi nhận tỷ lệ an toàn vốn ở mức cao trên 15%, gấp khoảng 2 lần so với yêu cầu tối thiểu 8% Các ngân hàng nước ngoài hoạt động tại Việt Nam có tỷ lệ an toàn vốn đạt 18,61% Ở nước ta, tính đến thời điểm đầu năm 2023 đã có trên 20 NHTM triển khai Basel II Trong đó có các ngân hàng chủ động nâng cấp, tiến tới chuẩn Basel III để đảm bảo thanh khoản, ổn định hệ thống Tuy nhiên, hệ thống ngân hàng Việt Nam được đánh giá là có hệ số CAR thấp hơn nhiều so với các nước lân cận, cụ thể trong khu vực ASEAN, hệ số CAR trung bình của Thái Lan là 19,6%; Philipines là 17,2%; Singapore là 17,1%; Indonesia 22,6%; Malaysia 18,5% Đặc biệt, nhiều nước trong khu vực đã thực hiện áp dụng Basel III hoặc một phần của Basel III
Vì thế, xác định và đo lường các yếu tố ảnh hưởng đến hệ số an toàn vốn CAR đóng vai trò quan trọng trong việc đảm bảo an toàn cho hoạt động của ngân hàng và sự ổn định của hệ thống tài chính và toàn bộ nền kinh tế, bởi nếu an toàn của ngân hàng không được đảm bảo sẽ tạo nên hiệu ứng lan truyền rủi ro cho cả hệ thống Đồng thời đây là mục tiêu để các NHTM vươn ra phát triển theo xu thế quốc tế Từ những lí do trên, tác giả lựa chọn đề tài “Các yếu tố ảnh hưởng đến hệ số an toàn vốn của Ngân hàng Thương mại ở Việt Nam”.
Mục tiêu nghiên cứu
Mục tiêu chung của nghiên cứu là xác định và phân tích sự ảnh hưởng của các yếu tố đến hệ số an toàn vốn của các ngân hàng thương mại ở Việt Nam Từ đó đưa ra đề xuất, khuyến nghị nhằm cải thiện và nâng cao chất lượng hệ số này, góp phần hỗ trợ nâng cao hoạt động ngân hàng
Từ mục tiêu chung trên, tác giả xác định các mục tiêu cụ thể cần đạt được như sau:
Thứ nhất, xác định các yếu tố tác động đến hệ số an toàn vốn của các NHTM ở Việt Nam
Thứ hai, đo lường mức độ ảnh hưởng của các yếu tố đối với hệ số an toàn vốn của NHTM
Thứ ba, trình bày các hàm ý chính sách phù hợp cho các NHTM để cải thiện, nâng cao hệ số an toàn vốn.
Câu hỏi nghiên cứu
Dựa trên các mục tiêu đã đề ra, khóa luận tập trung trả lời ba câu hỏi chính: Thứ nhất, hệ số an toàn vốn của các NHTM ở Việt Nam chịu tác động bởi các yếu tố nào?
Thứ hai, mức độ tác động và chiều tương quan của từng yếu tố đến hệ số an toàn vốn của các NHTM?
Thứ ba, cần đề xuất các chính sách và kiến nghị như thế nào để duy trì và nâng cao hệ số an toàn vốn cho các NHTM ở Việt Nam?
Đối tượng và phạm vi nghiên cứu
• Đối tượng nghiên cứu: Hệ số an toàn vốn của NHTM và các yếu tố ảnh hưởng đến hệ số an toàn vốn
Về không gian, nghiên cứu sử dụng dữ liệu được công bố từ 22 NHTM tại Việt
Nam Hiện nay, tổng số NHTM cổ phần tại Việt Nam là 31 NH Trong đó đề tài nghiên cứu dữ liệu của 22/31 NHTM, tức là chiếm 71% trong tổng số NTHM Bên cạnh đó dữ liệu nghiên cứu đã bao gồm cả những NHTM có sự chênh lệch về quy mô tài sản, vốn điều lệ, cho thấy dữ liệu nghiên cứu có tính khái quát hệ thống NHTM
Về thời gian, dữ liệu nghiên cứu được thu thập từ BCTC, BCTN của các
NHTM trong giai đoạn từ năm 2016 đến 2023 Trong giai đoạn 8 năm này, nền kinh tế thế giới và trong nước bị ảnh hưởng bởi nhiều biến động gây ra khủng hoảng kinh tế như đại dịch Covid, giá dầu tăng, xung đột chính trị quân sự…tác động trực tiếp tới tình hình hoạt động ngành ngân hàng Cũng trong khoảng thời gian này, cơ quan quản lý NHNN đã có ban hành, chỉnh sửa các thông tư, quy định, như đề án “Cơ cấu lại hệ thống các tổ chức tín dụng gắn với xử lý nợ xấu 2021 – 2025”, điều mà ảnh hưởng trực tiếp đến việc ra quyết định, chính sách quản trị hoạt động ngân hàng của từng NHTM.
Phương pháp nghiên cứu
Bài nghiên cứu áp dụng phương pháp nghiên cứu định lượng Xuất phát từ tổng hợp, hệ thống lại cơ sở lý thuyết của hệ số an toàn vốn và các yếu tố ảnh hưởng đến hệ số này, tác giả đề xuất mô hình phù hợp, đặt ra các giả thuyết, thảo luận kết quả và đưa ra các hàm ý quản trị Cụ thể, thực hiện đo lường mức độ tác động của các yếu tố đến hệ số an toàn vốn bằng các phương pháp kỹ thuật là thống kê mô tả, phân tích tương quan, phân tích hồi quy dựa trên dữ liệu bảng (Fooled OLS, FEM, REM), kiểm định lựa chọn mô hình và khắc phục các khuyết tật
Dữ liệu phân tích được sử dụng trong khóa luận là dữ liệu thứ cấp từ BCTC, BCTN được kiểm toán và công bố của 22 NHTM ở Việt Nam trong giai đoạn từ 2016 đến 2023, kết hợp dữ liệu từ World Bank và các bài nghiên cứu liên quan khác Biến phụ thuộc và các biến độc lập được xác định và tính toán dựa trên cơ sở các lý thuyết nền và dữ liệu thứ cấp có sẵn từ các NHTM Tác giả sử dụng phần mềm Excel để tính toán giá trị các biến độc lập và phần mềm Stata 15.0 để phân tích thống kê mô tả, kiểm định tương quan và đề xuất mô hình phù hợp.
Bố cục của đề tài
Khóa luận được chia thành 5 chương như sau:
Chương 1: Giới thiệu đề tài nghiên cứu - Tác giả đặt vấn đề, trình bày tính cấp thiết cũng như mục tiêu, đóng góp của đề tài Đưa ra các câu hỏi nghiên cứu, mô tả đối tượng, phạm vi nghiên cứu
Chương 2: Cơ sở lý thuyết và tổng quan các nghiên cứu liên quan - Nghiên cứu trình bày khái quát, tổng quan về các lý thuyết, thông tin liên quan đến hệ số an toàn vốn Khảo lược các nghiên cứu có liên quan trong và ngoài nước Căn cứ vào đó để xác định khoảng trống trong nghiên cứu, đề xuất mô hình nghiên cứu và các biến phù hợp
Chương 3: Phương pháp nghiên cứu - Nghiên cứu đưa ra các giả thuyết, thiết lập mô hình nghiên cứu, các biến, mô tả quá trình thu thập, xử lý dữ liệu và các phương pháp kinh tế lượng được sử dụng
Chương 4: Thảo luận kết quả nghiên cứu - Nghiên cứu tiến hành xử lý số liệu và phân tích kết quả từ thống kê mô tả các biến, phân tích ma trận tương quan, phân tích các mô hình hồi quy, kiểm định để chọn ra mô hình, kiểm định những khuyết tật mà mô hình gặp phải Qua đó thảo luận về mức độ ảnh hưởng, hướng tương quan của các biến độc lập đối với hệ số an toàn vốn
Chương 5: Kết luận và hàm ý chính sách - Tiến hành tóm tắt lại kết quả chạy dữ liệu từ chương trước, trình bày kết luận về những yếu tố có mức độ ảnh hưởng nhất định đến hệ số an toàn vốn của các ngân hàng thương mại tại Việt Nam Thêm vào đó, nghiên cứu cũng nêu ra các hạn chế và đề xuất các hàm ý chính sách liên quan đến hệ số an toàn vốn cho các ngân hàng thương mại
Thông qua chương mở đầu, đưa ra cái nhìn tổng quan về đề tài nghiên cứu bao gồm lý do lựa chọn đề tài, các mục tiêu nghiên cứu cần đạt được cũng như đặt ra câu hỏi mà nghiên cứu phải giải quyết Trình bày sơ lược về phương pháp nghiên cứu, đối tượng, phạm vi mà nghiên cứu hướng đến, khái quát bố cục của khóa luận Đây là cơ sở, phương hướng để tiến hành thực hiện những bước nghiên cứu tiếp theo.
CƠ SỞ LÝ THUYẾT VÀ TỔNG QUAN CÁC NGHIÊN CỨU LIÊN
Cơ sở lý thuyết
2.1.1 Khái niệm hệ số an toàn vốn
Theo Bank for International Settlements (2019), “hệ số an toàn vốn đo lường vốn của ngân hàng liên quan đến tài sản rủi ro Tỷ lệ vốn trên tài sản có trọng số rủi ro thúc đẩy vốn hóa mạnh và khả năng phục hồi tài chính của các ngân hàng trên thế giới để chống lại các cú sốc và khủng hoảng kinh tế tài chính.”
Hệ số an toàn vốn CAR (Capital Adequacy Ratio) là tỷ lệ giữa vốn và tài sản rủi ro của ngân hàng, được sử dụng để xem xét khả năng thanh toán các khoản nợ và khả năng ứng phó với rủi ro tín dụng cũng như rủi ro hoạt động của ngân hàng, phản ánh mức độ an toàn vốn của ngân hàng Một ngân hàng sở hữu CAR tốt sẽ có đủ vốn để bù đắp những khoản lỗ tiềm ẩn, thể hiện rằng ngân hàng đó ít có nguy cơ rủi ro thanh toán và người gửi tiền cũng ít gặp rủi ro hơn
Khung Basel là bộ tiêu chuẩn đầy đủ của Ủy ban Basel về Giám sát Ngân hàng (BCBS), là cơ quan thiết lập tiêu chuẩn toàn cầu cơ bản cho các quy định về an toàn của ngân hàng và cung cấp một diễn đàn hợp tác thường xuyên về các vấn đề giám sát ngân hàng Qua từng năm, Uỷ ban Basel đã phát triển một loạt các tiêu chuẩn nhằm tăng cường khả năng phục hồi của hệ thống ngân hàng toàn cầu và mới nhất là Basel III được ban hành năm 2010
Là một trong các tiêu chuẩn được sử dụng để đánh giá mức độ an toàn vốn của ngân hàng, hệ số CAR xuất hiện trong Basel I năm 1988 Cụ thể, quy định về hệ số an toàn vốn đã có sự điều chỉnh qua các phiên bản Basel như sau:
• Trong Basel I: Tập trung yêu cầu các NHTM duy trì hệ số CAR tối thiểu là 8% trên tổng tài sản rủi ro
• Trong Basel II: Mở rộng hơn so với Basel I, Basel II bổ sung thêm ba trụ cột yêu cầu về vốn và quy trình giám sát, thông tin công khai Trong đó hệ số an toàn vốn được nhấn mạnh phải đi kèm với việc quản lý các loại rủi ro khác bên cạnh rủi ro tín dụng như rủi ro thị trường và rủi ro hoạt động
• Trong Basel III: Cùng với cải thiện các quy định liên quan vốn và thanh khoản, Basel III yêu cầu các ngân hàng duy trì hệ số an toàn vốn tối thiểu 8%, bổ sung các yêu cầu về tỷ lệ vốn cấp 1 và tỷ lệ thanh khoản
2.1.2 Áp dụng hệ số an toàn vốn ở Việt Nam
Thông tư 36/2014/TT-NHNN được ban hành vào 20/11/2014 quy định TCTD, chi nhánh ngân hàng nước ngoài cần duy trì thường xuyên hệ số an toàn vốn tối thiểu ở mức 9% Về hệ số CAR, Thông tư bổ sung quy định xác định giá trị thực của vốn điều lệ, vốn được cấp; Các cấu phần vốn, phương pháp tính và cách tính, duy trì tỷ lệ này được quy định cụ thể, chi tiết thành phục lục để dễ thực hiện, giám sát, kiểm tra
Tháng 12/2016, NHNN đã ban hành Thông tư 41/2016/TT-NHNN, có hiệu lực thi hành từ ngày 01/01/2020 Thông tư hướng đến chuẩn Basel II, có những thay đổi so với các thông tư trước: Hệ số CAR được điều chính từ 9% xuống còn 8%, bên cạnh thêm yêu cầu vốn đối với phía rủi ro tín dụng còn bổ sung thêm yêu các cầu vốn cho rủi ro hoạt động và rủi ro thị trường
2.1.3 Đo lường hệ số an toàn vốn
Nhìn chung, tỷ lệ an toàn vốn của ngân hàng được tính bằng tỷ lệ vốn tự có của ngân hàng trên tổng tài sản có rủi ro Trong đó vốn tự có bao gồm vốn cấp 1 và vốn cấp 2 Vốn cấp 1 là nguồn vốn cốt lõi của ngân hàng, bao gồm vốn điều lệ và các quỹ dự trữ cũng như phần lợi nhuận không chia Vốn cấp 2 là thước đo tiềm lực tài chính của một ngân hàng liên quan đến các dạng nguồn lực tài chính có độ tin cậy ở hàng thứ hai sau vốn cấp 1 Vốn cấp 2 được chỉ định là vốn bổ sung và bao gồm các khoản mục như dự trữ định giá lại, dự trữ chưa công bố, nợ thứ cấp có kì hạn
Qua từng năm, Uỷ ban Basel đã có những sự chỉnh sửa nhất định về cách đo lường hệ số CAR So với Basel I, những thay đổi mới được điều chỉnh trong Basel II khi không chỉ sử dụng rủi ro tín dụng mà còn thêm vào cả rủi ro hoạt động và rủi ro thị trường Ở Basel II và Basel III đều quy định hệ số an toàn vốn giữ ở mức tối thiểu là 8% Tuy nhiên, chuẩn Basel III có yêu cầu cao hơn về chất lượng vốn của ngân hàng khi tỷ lệ vốn cấp I được yêu cầu tăng từ 4% lên 6%, còn tỷ lệ vốn của cổ đông thường thì nâng từ 2% lên 4%
Tại Việt Nam, dựa trên Thông tư 41/2016/TT-NHNN, hệ số CAR tính theo đơn vị phần trăm (%) được tính toán theo công thức sau:
C là vốn tự có, bao gồm tổng Vốn cấp 1 và Vốn cấp 2 trừ đi các khoản giảm trừ theo quy định
RWA: tổng tài sản tính theo rủi ro tín dụng
KOR: vốn yêu cầu cho rủi ro hoạt động
KMR: vốn yêu cầu cho rủi ro thị trường
2.1.4 Ý nghĩa hệ số an toàn vốn
Hệ số an toàn vốn CAR đóng vai trò là một trong bộ tiêu chuẩn những chỉ tiêu cơ bản để đánh giá hoạt động an toàn vốn, quản trị rủi ro của các NHTM nói riêng và toàn hệ thống NHTM nói chung Trong quá trình kinh tế toàn cầu hội nhập, việc đảm bảo và cải thiện tỷ lệ vốn tối thiểu theo quy định giúp ngân hàng tiếp cận gần hơn với các chuẩn mực quốc tể, nâng cao uy tín và năng lực cạnh tranh
Hệ số an toàn vốn được xác định bởi hai thành phần quan trọng của ngân hàng là vốn tự có và tài sản có rủi ro Vốn tự có tuy chiếm tỉ trọng không lớn trong tổng số vốn nhưng có tính ổn định cao, mang tính chất quyết định sự tồn tại và phát triển của một ngân hàng Còn tài sản có rủi ro thể hiện mức độ rủi ro của các khoản tín dụng được cấp bởi ngân hàng đó Việc theo dõi và xem xét hệ số CAR của từng ngân hàng giúp người gửi tiền, các nhà đầu tư có sự so sánh, cân nhắc việc lựa chọn gửi tiền hoặc đầu tư vào ngân hàng đó Theo Võ Hồng Đức và cộng sự (2014), “hệ số an toàn vốn giúp nhà đầu tư có thể xác định được khả năng của ngân hàng trong việc thanh toán các khoản nợ có thời hạn, báo hiệu cho cho người gửi tiền trước những rủi ro của ngân hàng.”
Thêm vào đó, hệ số an toàn vốn là công cụ đắc lực để cơ quan quản lý thực hiện giám sát hoạt động của các ngân hàng, kiểm tra, đánh giá những chỉ tiêu an toàn, hiệu quả sử dụng vốn và đảm bảo an toàn vốn Theo BIS, “cơ quan giám sát đặt ra các yêu cầu về an toàn vốn một cách thận trọng và phù hợp cho các ngân hàng nhằm phản ánh những rủi ro do ngân hàng đó gánh chịu và gây ra trong bối cảnh thị trường và các điều kiện kinh tế vĩ mô mà ngân hàng đó hoạt động Tối thiểu đối với các ngân hàng quốc tế, yêu cầu về vốn không được thấp hơn tiêu chuẩn Basel hiện hành.” Quản lý, theo dõi kiểm soát hoạt động các ngân hàng một cách chặt chẽ sẽ giúp cho toàn hệ thống phát triển, từ đó góp phần thúc đẩy nền kinh tế vĩ mô chung.
Một số yếu tố tác động đến hệ số an toàn vốn
2.2.1 Yếu tố vi mô thuộc ngân hàng
2.2.1.1 Quy mô tổng tài sản của ngân hàng
Tài sản của ngân hàng được hình thành trong quá trình ngân hàng sử dụng vốn, ngân hàng có quyền sở hữu, sử dụng, định đoạt hợp pháp Quy mô tài sản ngân hàng được xem xét từ giá trị tổng tài sản của ngân hàng đó Quy mô tổng tài sản được xem là một trong những yếu tố không thể thiếu để các ngân hàng tăng sự cạnh tranh, nâng cao tiềm lực và hiệu quả tài chính Ở nước ta, việc gia tăng quy mô ngân hàng được Nhà nước coi trọng và đề cập trong các “đề án cơ cấu lại hệ thống các tổ chức tín dụng” Đã có nhiều nghiên cứu trước đây chỉ ra rằng có mỗi quan hệ cùng chiều hoặc ngược chiều giữa quy mô tài sản của ngân hàng và hệ số an toàn vốn như nghiên cứu của Nguyễn Thị Minh Hương (2021), Ali Shingjergji và Marsida Hyseni (2015), Nadja Dreca (2014), Nguyễn Kim Chi (2018), Yahaya và cộng sự (2016)
2.2.1.2 Tỷ suất sinh lời trên tổng tài sản
Tỷ suất sinh lời trên tổng tài sản ROA đo lường hiệu quả sử dụng tài sản của ngân hàng để tạo ra doanh thu Ngân hàng có tỷ suất sinh lời cao cho thấy ngân hàng đó đang tận dụng tài sản hợp lý, có khả năng tạo ra lợi nhuận Tỷ lệ ROA là một trong các chỉ số phổ biến khi xem xét khả năng sinh lời, hiệu quả hoạt động, đánh giá kết quả tài chính của các ngân hàng, trên cơ sở kết hợp giữa kết quả kinh doanh và nguồn lực sử dụng
Một số nghiên cứu trước đã chỉ ra khả năng sinh lời của ngân hàng có khả năng ảnh hưởng đến hệ số an toàn vốn “Các ngân hàng có lợi nhuận cao, được đo bằng ROA, có hệ số CAR cao hơn”, (Melita Charitou, 2019) Theo Dreca (2014), “có mối quan hệ tiêu cực giữa tỷ suất sinh lời trên tổng tài sản và hệ số an toàn vốn.”
2.2.1.3 Tỷ lệ đòn bẩy tài chính Đòn bẩy tài chính thể hiện mức độ sử dụng vốn vay trong tổng nguồn vốn của ngân hàng Việc sử dụng đòn bẩy tài chính hiệu quả có thể là công cụ đắc lực hỗ trợ ngân hàng gia tăng vốn và lợi nhuận, tuy nhiên kèm theo đó là những rủi ro ngân hàng có thể gặp phải khi đòn bẩy quá cao như rủi ro tài chính, rủi ro thị trường Ngân hàng có tỷ lệ đòn bẩy tài chính cao được cho là có nhiều rủi ro hơn so với các ngân hàng khác
Các nghiên cứu của Rafet và cộng sự (2015), Võ Hồng Đức và cộng sự (2014), Nguyễn Kim Chi (2018), Bahtiar Usman và cộng sự (2019) đều chỉ ra rằng “tỷ lệ đòn bẩy tài chính có tác động đến hệ số an toàn vốn.”
2.2.1.4 Tỷ lệ cho vay của ngân hàng
Hoạt động cho vay nằm trong số những hoạt động mang tính cơ bản và quan trọng tại ngân hàng thương mại Lợi nhuận của ngân hàng thu được từ hoạt động này hình thành chủ yếu dựa trên chênh lệch cho vay và nguồn vốn huy động được “Tỷ lệ cho vay trên tổng tài sản đo lường tác động của các khoản vay trong danh mục tài sản”, (Nadja Dreca, 2014) Nâng tỷ lệ cho vay cũng đi kèm với các nguy cơ gia tăng khoản vay rủi ro, các khoản nợ xấu, điều này đòi hỏi ngân hàng đảm bảo sẵn sàng đủ vốn trong trường hợp nhu cầu rút tiền của khách hàng tăng cao
Tỷ lệ cho vay của ngân hàng càng cao thể hiện rằng nguồn vốn của ngân hàng càng dồi dào Đây có thể là nguyên nhân gây ảnh hưởng đến hệ số an toàn vốn CAR của NHTM bởi vốn là một trong những yếu tố cấu thành nên hệ số an toàn vốn Theo kết quả nghiên cứu của Lê Hồng Thái (2020), “tỷ lệ cho vay trên tổng tài sản có tác động cùng chiều với CAR”
2.2.2 Yếu tố vĩ mô của nền kinh tế
2.2.2.1 Tốc độ tăng trưởng kinh tế
Chỉ số tăng trưởng kinh tế của một đất nước cho thấy những biến động về sản phẩm, hàng hóa, dịch vụ của quốc gia đó ở từng thời kỳ Tăng trưởng kinh tế là tiền đề cho sự phát triển của nền kinh tế vĩ mô, làm cơ sở để phát triển các lĩnh vực kinh tế, chính trị, xã hội
Sự suy giảm tốc độ tăng trưởng kinh tế có thể tác động xấu tới nền kinh tế và là nguy cơ dẫn đến sự suy thoái, lạm phát, thất nghiệp, giá cả hàng hóa tăng cao… Điều này có ảnh hưởng trực tiếp mạnh mẽ đến chất lượng cuộc sống của người dân cũng như quá trình sản xuất, kéo theo ảnh hưởng tới hoạt động kinh doanh của các doanh nghiệp, đồng thời tác động tới hệ thống ngân hàng, bởi ngân hàng là trung gian tài chính của nền kinh tế
Theo Mili và cộng sự (2014), “khi một quốc gia có tăng trưởng kinh tế tích cực thì ngân hàng có khả năng ít gặp rủi ro hơn, trong khi đó nếu tốc độ tăng trưởng kinh tế giảm thì ngân hàng dễ gặp rủi ro, cần giữ tỷ lệ vốn cao để phòng ngừa những tổn thất xảy ra.”
“Lạm phát là hiện tượng xảy ra khi mức giá chung trong nền kinh tế tăng kéo dài trong một khoản thời gian nhất định.” (Nguyễn Thị Tuyết Hoa và Đặng Văn Dân,
2017) Theo Yahaya và cộng sự (2016), “tỷ lệ lạm phát ghi lại những thay đổi về mặt giá cả hàng hóa, dịch vụ mà có thể ảnh hưởng đến mức độ sức mua của người tiêu dùng, là một trong các chỉ tiêu quan trọng để đánh giá trình độ kinh tế của một quốc gia.” Qua thời gian, vấn đề kiểm soát tỷ lệ lạm phát luôn là một trong những vấn đề hàng đầu đối với các quốc gia khi đưa ra những chính sách kinh tế
Trong trường hợp lạm phát tăng cao, các ngân hàng buộc phải nâng lãi suất huy động để thu hút tiền gửi của khách hàng, nếu lãi suất cho vay vẫn giữ nguyên, sự chênh lệch này sẽ ảnh hưởng trực tiếp đến lợi nhuận và hoạt động của ngân hàng
Cùng với đó, việc tăng lãi suất có nguy cơ khiến cho nhiều khách hàng gặp tình trạng không có đủ khả năng chi trả nợ, dẫn đến các khoản nợ xấu của ngân hàng tăng lên, gây rủi ro cho ngân hàng.
Tổng quan các nghiên cứu liên quan
2.3.1 Các nghiên cứu ở trong nước Đối với yếu tố quy mô tài sản ngân hàng SIZE, Võ Hồng Đức và cộng sự
(2014) cho rằng SIZE và hệ số CAR của các NHTM Việt Nam có mối tương quan ngược chiều Kết quả này tương tự nghiên cứu của Lê Hồng Thái (2020), Nguyễn Thị Minh Hương (2021), Lê Thị Thanh Lộc và cộng sự (2022)
Về suất sinh lời trên tổng tài sản ngân hàng ROA, theo kết quả nghiên cứu từ Nguyễn Thị Minh Hương (2021) thì ROA và CAR có mối tương quan cùng chiều Kết quả này là phù hợp bởi theo lý thuyết ngân hàng có lợi nhuận cao có thể tích lũy vốn cao hơn, nâng cao hệ số an toàn vốn Tuy nhiên các nghiên cứu của Nguyễn Kim Chi (2018), Lê Hồng Thái (2020), Lê Thị Thanh Lộc và cộng sự (2022) cho rằng ROA tác động ngược chiều tới CAR
Nghiên cứu của Lê Hồng Thái (2020) và Nguyễn Thị Minh Hương (2021) cho thấy tỷ lệ đòn bẩy tài chính LEV có ảnh hưởng ngược chiều đến hệ số CAR Ngược lại theo kết quả nghiên cứu của Nguyễn Kim Chi (2018) thì LEV và CAR có tương quan cùng chiều với nhau
Khi xem xét đến mối tương quan giữa tỷ lệ cho vay của ngân hàng LOA và hệ số CAR, nghiên cứu của Lê Hồng Thái (2020) thể hiện rằng ngân hàng cho vay càng nhiều thì hệ số an toàn vốn càng cao Trong khi đó Nguyễn Thị Minh Hương (2021) cho rằng hai yếu tố này không có mối tương quan với nhau Đối với các yếu tố vĩ mô, nghiên cứu của Lê Thị Thanh Lộc và cộng sự (2022) thể hiện rằng tỷ lệ lạm phát ảnh hưởng tích cực đến hệ số CAR, còn nghiên cứu Nguyễn Thị Minh Hương (2021) chỉ ra tăng trưởng kinh tế GDP và lạm phát đều ảnh hưởng ngược chiều đến hệ số CAR
2.3.2 Các nghiên cứu ở nước ngoài
Các nghiên cứu của Nadja (2014), Melita (2019), Rafet và cộng sự (2015), Bahtiar và cộng sự (2019), Osama và Hassan (2015) đều cho thấy rằng quy mô tài sản ngân hàng ảnh hưởng ngược chiều tới hệ số CAR Bên cạnh đó cũng có kết quả ngược lại từ phía nghiên cứu của Ali và Marsida (2015), Yahaya và cộng sự (2016)
Khi phân tích mối tương quang giữa ROA và hệ số CAR, kết quả nghiên cứu của Rafet và cộng sự (2015), Melita (2019) thể hiện là ROA tác động cùng chiều đến CAR Trong khi đó theo Nadja (2014), Yahaya và cộng sự (2016) thì tỷ lệ sinh lời trên tổng tài sản và CAR tương quan ngược chiều
Cả hai nghiên cứu của Bahtiar và cộng sự (2019), Nadja (2014) chỉ ra rằng đòn bẩy tài chính có tương quan cùng chiều với hệ số an toàn vốn Kết quả ngược lại thu được từ nghiên cứu của Rafet và cộng sự (2015) rằng đòn bẩy tài chính tác động tiêu cực đến CAR Dựa trên nghiên cứu của Nadja (2014) và cả theo Bahtiar và cộng sự (2019) thì ngân hàng cho vay càng nhiều, tỷ lệ cho vay của ngân hàng LOA tăng dẫn đến làm giảm hệ số CAR của ngân hàng Đối với tác động của các yếu tố vĩ mô đến CAR ở phạm vi ngoài nước, Rafet và cộng sự (2015) cho rằng tăng trưởng kinh tế tác động ngược chiều đến hệ số CAR Còn nghiên cứu của Yahaya và cộng sự (2016) thể hiện rằng tỷ lệ lạm phát ảnh hưởng tiêu cực đến hệ số an toàn vốn
Các nghiên cứu đã khảo lược được tổng hợp và thể hiện ở bảng 2.1:
Bảng 2 1 Tổng hợp các nghiên cứu liên quan
Tác giả Phạm vi nghiên cứu
Phương pháp nghiên cứu Kết quả nghiên cứu
Võ Hồng Đức và cộng sự (2014)
28 NHTM ở Việt Nam; 2007 – 2012 Hồi quy dữ liệu bảng
(+) LIQ, LLR (-) SIZE, DEP, ROE Không có ý nghĩa: LEV, LOA Nguyễn Kim Chi
Hồi quy bằng phương pháp ước lượng FGLS
(+) LEV (-) SIZE, ROA, LIQ, DEP
Hồi quy dữ liệu bảng và phương pháp GMM
(+) LOA, NIM, thanh khoản (-) ROA, SIZE, LEV
Phương pháp ước lượng FEM, REM
(+) ROA (-) LLR, SIZE, LEV, DAR, GDP, INF NPL, LOA, IR: không có ý nghĩa
Lê Thị Thanh Lộc và cộng sự (2022)
Nghiên cứu dữ liệu bảng
(+) EQR, INF (-) SIZE, ROA, NPL, GDP
(+) LLR, ROE, NIM, LEV (-) SIZE, DEP, LOA, ROA
Hồi quy bằng phương pháp OLS
(+) SIZE (-) NPL, hệ số chủ sở hữu EM ROA, ROE: không có ý nghĩa
36 NHTM ở Ai Cập; 2004 - 2013 Hồi quy dữ liệu bảng Ảnh hưởng nhiều nhất đến CAR: LIQ, SIZE, chất lượng quản lý
71 NHTM ở khu vực Đông Nam Âu; 2007 - 2012
Hồi quy bằng phương pháp GLS
(+) ROA, LIQ, NIM (-) SIZE, LEV, GDP
64 NH ở Nhật Bản; 2005 - 2014 Hồi quy dữ liệu bảng (+) SIZE, ROE
(-) INF, ROA, cung tiền, tỷ giá hối đoái
Bahtiar Usman và cộng sự (2019)
Dữ liệu bảng và hồi quy bằng phương phá
(+) LEV, NIM (-) SIZE, LLR, LOA
(2019) từ các tổ chức tài chính Hoa Kỳ giai đoạn 2012 - 2017
Hồi quy dữ liệu bảng (+) ROA
Nguồn: Tổng hợp từ tác giả
Có thể thấy ở cả Việt Nam và nước ngoài đã có nhiều nghiên cứu trước đó liên quan đến phân tích các yếu tố ảnh hưởng đến hệ số an toàn vốn Tuy nhiên, kết quả thu được và kết luận giữa các nghiên cứu là không đồng nhất Điều này là bởi sự khác nhau giữa đối tượng, phạm vi, thời gian của từng nghiên cứu Các biến được xem xét trong mô hình của từng nghiên cứu có sự chênh lệch
Kế thừa và phát triển từ những nghiên cứu trước, tác giả sẽ cân nhắc và lựa chọn ra các biến phù hợp cho mô hình nghiên cứu, bổ sung thêm vào kho tàng nghiên cứu phân tích các yếu tố tác động đến CAR của NHTM ở Việt Nam So với các nghiên cứu có phạm vi nghiên cứu chỉ dừng ở năm 2022 trở về trước, đề tài bổ sung thêm dữ liệu
2023 của các NHTM, mở rộng giai đoạn nghiên cứu Thêm vào đó, đề tài bổ sung thêm một nghiên cứu thực nghiệm để các tác giả khác các NHTM có sự so sánh, đánh giá về những yếu tố liên quan đến hệ số an toàn vốn
Nội dung chương 2 trình bày một cách tổng quan và sơ lược về các lý thuyết của hệ số an toàn vốn, bao gồm khái niệm, cách thức đo lường, ý nghĩa của hệ số này Kế đến, một số nghiên cứu trước đó ở phạm vi trong và ngoài nước được tác giả khảo lược và tổng hợp lại, đưa ra những so sánh để tìm khoảng trống nghiên cứu Đây là cơ sở để xác định các yếu tố liên quan đến hệ số an toàn vốn và xem xét xây dựng mô hình nghiên cứu đề xuất ở chương kế.
PHƯƠNG PHÁP NGHIÊN CỨU
Mô hình nghiên cứu
Dựa vào quá trình tổng hợp, khảo lược từ các nghiên cứu trước ở cả trong và ngoài nước, xem xét các yếu tố có khả năng gây tác động đến hệ số an toàn vốn, tác giả đề xuất mô hình nghiên cứu như sau:
CAR it = β 0 + β 1 SIZE it + β 2 ROA it + β 3 LEV it + β 4 LOA it + β 5 GDP it + β 6 INF it + ε it
Trong đó: β 0 : Hệ số chặn β 1 -> β 6 : Hệ số góc của các biến độc lập ε it : Phần dư thống kê
Biến phụ thuộc là CAR it : Hệ số an toàn vốn của ngân hàng (i) tại thời điểm (t)
Các biến độc lập lần lượt là:
SIZE it : Quy mô ngân hàng (i) tại thời điểm (t)
ROA it : Tỷ suất sinh lời trên tổng tài sản của ngân hàng (i) tại thời điểm (t)
LEV it : Tỷ lệ đòn bẩy tài chính của ngân hàng (i) tại thời điểm (t)
LOA it : Tỷ lệ cho vay của ngân hàng (i) 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 thể hiện cách thức đo lường các biến được sử dụng trong mô hình nghiên cứu:
Bảng 3 1 Tổng hợp cách thức đo lường biến trong mô hình
Tên biến Ký hiệu viết tắt Công thức đo lường
Hệ số an toàn vốn CAR
(Dữ liệu CAR được lấy từ BCTN của các
Quy mô ngân hàng SIZE SIZE = Log(Tổng tài sản) (3.2)
Tỷ suất sinh lời trên tổng tài sản ROA ROA = 𝐿ợ𝑖 𝑛ℎ𝑢ậ𝑛 𝑠𝑎𝑢 𝑡ℎ𝑢ế
Tỷ lệ đòn bẩy tài chính LEV LEV = 𝑉ố𝑛 𝑐ℎủ 𝑠ở ℎữ𝑢
Tỷ lệ cho vay LOA LOA = 𝐷ư 𝑛ợ
Tăng trưởng kinh tế GDP
(Sử dụng dữ liệu GPD từ World bank)
Tỷ lệ lạm phát INF
(Sử dụng dữ liệu INF từ web World bank)
Nguồn: Tác giả tổng hợp
Xây dựng giả thuyết nghiên cứu
Từ tổng hợp cơ sở các lý thuyết, khảo lược những nghiên cứu trước và kết hợp với mô hình đã đề xuất, tác giả xây dựng các giả thuyết nghiên cứu về mối tương quan giữa các biến
3.2.1 Quy mô ngân hàng – SIZE
Quy mô của ngân hàng được xác định bằng phương pháp lấy logarit của giá trị tổng tài sản ngân hàng Khi ngân hàng có quy mô tài sản càng lớn, tài sản rủi ro của ngân hàng càng cao, từ đó có thể làm giảm hệ số an toàn vốn Ali và Marsida (2015) chỉ ra rằng “SIZE và CAR tác động cùng chiều.” Còn các nghiên cứu của Lê Hồng Thái (2020),
Võ Hồng Đức và cộng sự (2014), Nguyễn Kim Chi (2018), Bahtiar Usman và cộng sự
(2019), Rafet và cộng sự (2015) đều thể hiện “SIZE có tác động ngược chiều đến CAR.” Trong nghiên cứu này tác giả kỳ vọng giữa SIZE và CAR có mối tương quan trái dấu
Giả thuyết H 1 : Quy mô ngân hàng và hệ số an toàn vốn tương quan ngược chiều
3.2.2 Tỷ suất sinh lời trên tổng tài sản – ROA
Hệ số này được xem là một trong số những chỉ số cơ bản khi áp dụng đo lường hiệu quả hoạt động của ngân hàng Tỷ lệ ROA càng tăng chứng tỏ lợi nhuận của ngân hàng tăng lên, tài sản ngân hàng đang được sử dụng hiệu quả, trong đó bao gồm tài sản rủi ro Melita Charitou (2019), Nguyễn Thị Minh Hương (2021), Rafet và cộng sự
(2015), cho rằng “ROA tỷ lệ thuận với CAR.” Còn theo nghiên cứu của Yahaya và cộng sự (2016) thì “ROA và CAR trái dấu.” Trong nghiên cứu này tác giả kỳ vọng giữa ROA và CAR có mối tương quan cùng chiều
Giả thuyết H 2: Tỷ suất sinh lời trên tổng tài sản và hệ số an toàn vốn tương quan cùng chiều
3.2.3 Tỷ lệ đòn bẩy tài chính – LEV Đòn bẩy tài chính của một ngân hàng cho biết tỷ lệ nợ vay mà ngân hàng đó đang tận dụng trên tổng nguồn vốn mà ngân hàng huy động được Việc nâng đòn bẩy tài chính, tăng vốn chủ sở hữu có khả năng làm tăng hệ số CAR Tuy nhiên việc đòn bẩy tài chính tăng cao có nguy cơ làm cho ngân hàng đối mặt với những rủi ro Rafet và cộng sự
(2015), Nguyễn Thị Minh Hương (2021) cho thấy “LEV có ảnh hưởng ngược chiều đến hệ số CAR.” Còn theo Bahtiar Usman và cộng sự (2019), Nguyễn Kim Chi (2018), Nadja Dreca (2014) thì kết quả ngược lại là cùng chiều Trong nghiên cứu này tác giả kỳ vọng có mối tương quan cùng dấu giữa LEV và CAR
Giả thuyết H 3 : Tỷ lệ đòn bẩy tài chính và hệ số an toàn vốn tương quan cùng chiều
3.2.4 Tỷ lệ cho vay của ngân hàng – LOA
Tỷ lệ cho vay của ngân hàng được đo lường bằng dư nợ trên tổng tài sản, thể hện mức độ cho vay của ngân hàng Trong khi nghiên cứu của Nadja Dreca (2014), Bahtiar Usman và cộng sự (2019) chỉ ra “tỷ lệ cho vay có ảnh hưởng ngược chiều đến hệ số an toàn vốn” thì ngược lại nghiên cứu của Lê Hồng Thái (2020) đưa ra kết quả “LOA và CAR tương quan cùng chiều.” Còn dựa trên nghiên cứu của Võ Hồng Đức và cộng sự
(2014) thể hiện rằng không có mối tương quan giữa hai yếu tố này Trong nghiên cứu này tác giả kỳ vọng LOA và CAR có mối tương quan âm
Giả thuyết H 4 : Tỷ lệ cho vay của ngân hàng và hệ số an toàn vốn tương quan ngược chiều
3.2.5 Tăng trưởng kinh tế - GDP
Tăng trưởng kinh tế GDP đo lường, đánh giá tốc độ phát triển kinh tế của một quốc gia Nếu hệ số này được giữ ở mức ổn định thì các ngành trong nền kinh tế cũng được đảm bảo hoạt động thuận lợi, trong đó bao gồm ngành ngân hàng và hệ thống tài chính Khi nền kinh tế phát triển, nhu cầu tiêu dùng của người dân và xu hướng mở rộng sản xuất kinh doanh của doanh nghiệp tăng lên Theo đó tiền gửi ngân hàng tăng, làm tăng vốn và tăng hệ số an toàn vốn Nghiên cứu của Nguyễn Thị Minh Hương (2021) cũng đồng ý rằng “GDP và CAR có tác động tích cực lẫn nhau.” Ngược lại nghiên cứu của Lê Thị Thanh Lộc và cộng sự (2022) cho thấy rằng “GDP tác động tiêu cực tới CAR.” Trong nghiên cứu này tác giả kỳ vọng có mối quan hệ cùng chiều giữa hai yếu tố GDP và CAR
Giả thuyết H 5 : Tăng trưởng kinh tế và hệ số an toàn vốn tương quan cùng chiều
3.2.6 Tỷ lệ lạm phát – INF
Tỷ lệ lạm phát thể hiện mức độ thất thoát của tiền tệ thông qua việc giá cả hàng tăng nhanh Lạm phát tăng cao làm ảnh hưởng đến người đi vay và dẫn đến rủi ro cho hoạt động kinh doanh các ngân hàng Theo nghiên cứu của Yahaya và cộng sự (2016), Nguyễn Thị Minh Hương (2021), “lạm phát và hệ số an toàn vốn có mối quan hệ ngược chiều.” Trong nghiên cứu này tác giả cũng kỳ vọng INF có tương quan trái dấu với CAR
Giả thuyết H 6 : Tỷ lệ lạm phát và hệ số an toàn vốn tương quan ngược chiều
Từ những giả thuyết đưa ra, bảng 3.2 tổng hợp dấu tương quan kỳ vọng các biến Các giả thuyết đặt ra sẽ được kiểm định thông qua chạy dữ liệu mô hình nghiên cứu
Bảng 3 2 Kỳ vọng dấu các biến của mô hình nghiên cứu
Tên biến Ký hiệu Dấu kỳ vọng
Quy mô ngân hàng SIZE (-)
Tỷ suất sinh lời trên tổng tài sản ROA (+)
Tỷ lệ đòn bẩy tài chính LEV (+)
Tỷ lệ cho vay LOA (-)
Tăng trưởng kinh tế GDP (+)
Tỷ lệ lạm phát INF (-)
Nguồn: Tổng hợp từ tác giả
Dữ liệu, phương pháp và quy trình nghiên cứu
3.3.1 Dữ liệu nghiên cứu Để phục vụ cho nghiên cứu, đề tài sử dụng dữ liệu nghiên cứu là dữ liệu thứ cấp được thu thập từ các báo cáo tài chính, báo cáo thường niên, công bố thông tin hệ số an toàn vốn của các ngân hàng Trong đó bao gồm dữ liệu của 22 NHTM trong giai đoạn 8 năm từ 2016 – 2023
Kèm với đó, tác giả kết hợp sử dụng thêm dữ liệu dược thu thập từ Ngân hàng Thế giới Worldbank đối với dữ liệu của các biến vĩ mô là tăng trưởng kinh tế và lạm phát của Việt Nam trong giai đoạn 2016 – 2023
3.3.2 Phương pháp và quy trình nghiên cứu
Phương pháp nghiên cứu được sử dụng là phương pháp định lượng, tác giả thực hiện phân tích và đo lường mức độ ảnh hưởng của các biến độc lập đến hệ số an toàn vốn bằng các mô hình hồi quy ước lượng thông qua phần mềm Stata Các mô hình ước lượng được sử dụng trong nghiên cứu cụ thể là:
• Phương pháp ước lượng bình phương nhỏ nhất – Pooled OLS (Ordinary Least Square)
• Phương pháp ước lượng mô hình tác động ngẫu nghiên – REM (Random Effect Model)
• Phương pháp ước lượng mô hình tác động cố định – FEM (Fixed Effect Model)
• Phương pháp ước lượng bình phương tối thiểu – FGLS (Feasible Generalized Least Square
Quy trình nghiên cứu của đề tài bao gồm các bước thực hiện được tóm tắt trong bảng 3.3 :
Bảng 3 3 Sơ đồ quy trình nghiên cứu
Nguồn: Tổng hợp từ tác giả
Bước 1: Thu thập và xử lý dữ liệu
Dữ liệu nghiên cứu sử dụng là dữ liệu thứ cấp lấy theo năm được thu thập từ BCTC, BCTN của 22 NHTM tại Việt Nam trong khoảng thời gian từ năm 2016 đến năm
2023, dữ liệu vĩ mô được thu thập từ Worldbank Nghiên cứu sử dụng phần mềm Excel để tính toán các biến độc lập của mô hình nghiên cứu, sử dụng phần mềm Stata để thực hiện hồi quy các mô hình và các phép kiểm định
Thu thập và xử lý dữ liệu
Phân tích thống kê mô tả
Phân tích ma trận tương quan
Phân tích mô hình hồi quy
Kiểm định và lựa chọn mô hình phù hợp
Kiểm định và khắc phục khuyết tật mô hìnhKết luận
Bước 2: Phân tích thống kê mô tả
Tác giả sử dụng phần mềm Stata để mô tả các đặc trưng cơ bản của biến phụ thuộc và các biến độc lập như tên các biến, số mẫu quan sát, giá trị trung bình, giá trị lớn nhất, giá trị nhỏ nhất, độ lệch chuẩn
Bước 3: Phân tích ma trận tương quan
Mối quan hệ tương quan giữa các biến thuộc mô hình được kiểm tra thông qua ma trận tương quan bao gồm:
• Tương quan giữa từng biến phụ thuộc và biến độc lập
• Tương quan giữa các biến độc lập với nhau
Phân tích này hỗ trợ phát hiện các hiện tượng đa cộng tuyến (multicollinearity), phương sai thay đổi (heteroscedasticity) và tự tương quan (autocorrelation) trong dữ liệu, nhằm đảm bảo tính chính xác và độ tin cậy của kết quả mô hình
Bước 4: Phân tích mô hình hồi quy
Dữ liệu bảng được hồi quy theo các phương pháp ước lượng sau:
• Hồi quy mô hình bình phương nhỏ nhất (Pooled Ordinary Least Square - Pooled OLS)
• Mô hình tác động cố định (Fixed Effect Model – FEM)
• Mô hình tác động ngẫu nhiên (Random Effect Model - REM)
Bước 5: Kiểm định và lựa chọn mô hình phù hợp
Sau khi hồi quy các mô hình, các phép kiểm định gồm: Hausman, Wooldridge được thực hiện để chọn ra mô hình phù hợp nhất
• Kiểm định giữa hai mô hình Pooled OLS và mô hình FEM
• Kiểm định giữa hai mô hình Pooled OLS và mô hình REM
• Kiểm định giữa hai mô hình Pooled FEM và mô hình REM
Bước 6: Kiểm định và khắc phục khuyết tật mô hình
Sau bước kiểm định và tìm ra mô hình phù hợp từ ba mô hình, tiếp tục kiểm định các khuyết tật của mô hình bằng cách sử dụng các kiểm định F test, Wooldridge, Breusch and Pagan Lagrangian để kiểm định: hiện tượng tự tương quan, đa cộng tuyến và phương sai thay đổi
Nếu phát hiện mô hình đang gặp phải khuyết tật, tác giả sử dụng phương pháp ước lượng FGLS để khắc phục các khuyết tật của mô hình Cuối cùng đưa ra so sánh giữa kết quả các mô hình thu được
Dựa trên kết quả chạy dữ liệu, thảo luận các kết quả nghiên cứu và từ đó đưa ra các đề xuất quản trị phù hợp
Dựa trên tổng hợp cơ sở lý thuyết và khảo lược từ các nghiên cứu về những yếu tố có khả năng tương quan với hệ số an toàn vốn ở chương trước, làm cơ sở để xây dựng mô hình nghiên cứu với biến phụ thuộc và các biến độc lập, đặt ra các giả thuyết về mối tương quan giữa biến độc lập và các biến phụ thuộc Trong chương này tác giả cũng trình bày quy trình thực hiện các bước nghiên cứu, các phép kiểm định được sử dụng để tìm ra mô hình nghiên cứu phù hợp Đây là phương hướng để tác giả tiến hành xử lý và chạy dữ liệu ở chương sau.
THẢO LUẬN KẾT QUẢ NGHIÊN CỨU
Phân tích thống kê mô tả
Thống kê mô tả các biến trong mô hình đưa ra cái nhìn tổng quan về các biến bao gồm: Số quan sát, tên các biến, giá trị trung bình của từng biến, giá trị nhỏ nhất, giá trị lớn nhất ở mỗi biến và độ lệch chuẩn Kết quả chạy dữ liệu thống kê mô tả được thể hiện ở bảng 4.1:
Bảng 4 1 Thống kê mô tả các biến trong mô hình nghiên cứu
Giá trị trung bình Độ lệch chuẩn
Nguồn: Tổng hợp từ phần mềm Stata
Bài nghiên cứu có số lượng mẫu quan sát là 176, trong đó bao gồm dữ liệu từ 22 NHTM trong giai đoạn 2016 – 2023
Hệ số an toàn vốn CAR đạt giá trị trung bình là 12,36 %, giá trị lớn nhất của CAR là 23,36% và giá trị nhỏ nhất của CAR là 8% Như vậy có thể thấy hầu hết các ngân hàng đều duy trì được hệ số an toàn vốn ở mức tối thiếu 8% trở lên, đảm bảo tuân thủ quy định của NHNN Bên cạnh đó, hệ số CAR giữa các NHTM có sự chênh lệch, cụ thể là nhóm các NHTM Nhà nước và nhóm các ngân hàng tư nhân Khác với ngân hàng tư nhân, các NHTM Nhà nước còn hạn chế trong việc tự chủ tăng vốn điều lệ, dẫn đến tăng trưởng vốn điều lệ có tốc độ chậm hơn so với tăng tài sản, khiến hệ số CAR cũng nhóm ngân hàng này có phần thấp hơn, thậm chí là khá gần ngưỡng tối thiểu quy định
Về quy mô ngân hàng SIZE, các NHTM có quy mô tài sản trung bình ở mức 8,373 và độ lệch chuẩn là 47,68% – độ lệch chuẩn cao nhất so với các biến còn lại Điều này cho thấy sự chênh lệch lớn giữa quy mô của các NHTM qua các năm Trong đó SIZE của NHTMCP Đầu tư và Phát triển Việt Nam năm 2023 có giá trị lớn nhất; còn NHTMCP Sài Gòn Công Thương năm 2016 có quy mô tài sản là giá trị nhỏ nhất Đối với tỷ suất sinh lời trên tổng tài sản ROA, mức giá trị trung bình đạt được là 1,2%, độ lệch chuẩn 0,87% Giữa các ngân hàng không có chênh lệch quá cao về lợi nhuận thu được trên tổng giá trị tài sản Tuy nhiên giá trị nhỏ nhất xuống đến mức âm là -7,2% thuộc về ngân hàng TMCP Quốc Dân năm 2023 Điều này thể hiện rằng ngân hàng có kết quả kinh doanh không hiệu quả, bị thua lỗ Bên cạnh đó NHTMCP Hàng hải Việt Nam năm 2022 đạt được giá trị ROA lớn nhất là 4,11%
Giá trị trung bình của tỷ lệ đòn bẩy tài chính LEV giữa các NHTM là 8,46% Độ lệch chuẩn ở mức 3,16%, cho thấy có khoảng cách nhất định giữa giá trị đòn bẩy tài chính mà các ngân hàng sử dụng Trong đó ngân hàng TMCP Đầu tư và Phát triển Việt Nam năm 2017 có tỷ lệ đòn bẩy nhỏ nhất là 4,06%; ngân hàng TMCP Sài Gòn Công Thương năm 2016 có tỷ lệ LEV lớn nhất với 17,88%
Với tỷ lệ cho vay của ngân hàng LOA, đây là biến có giá trị trung bình cao nhất 62,07%, cho thấy vai trò quan trọng của cho vay khách hàng đối với hoạt động của các NHTM Đổng thời hoạt động cho vay giữa các ngân hàng cũng có sự chênh lệch cao với độ lệch chuẩn 8,38% Ngân hàng TMCP Đầu tư và Phát triển Việt Nam năm 2020 đạt được tỷ lệ cho vay cao nhất với giá trị 78,81% Trong khi ngân hàng TMCP Hàng hải Việt Nam năm 2017 có giá trị nhỏ là 31,88%
Về tăng trưởng kinh tế GDP, giá trị trung bình ở nước ta ở mức 5,82% trong giai đoạn 2016-2023, độ lệch chuẩn là 1,94% Điều này cho thấy GDP có sự dao động giữa các năm nhưng vẫn được duy trì ở mức ổn định Trong đó giá trị nhỏ nhất là 2,59% năm
2021 – thời điểm cả nước đang phòng chống đại dịch Covid 19 Sau đó đạt được giá trị lớn nhất là 8,02% vào năm 2022, thể hiện bước phát triển đáng kể của nền kinh tế trong thời gian phục hồi sau đại dịch
Giá trị trung bình của tỷ lệ lạm phát qua các năm là 2,2%, độ lệch chuẩn 5,28%, chỉ ra rằng có sự biến động đối với tình hình lạm phát trong nước Năm 2021 có tỷ lệ lạm phát nhỏ nhất là 1,84% và lớn nhất là 3,54% vào năm 2018.
Phân tích tương quan giữa các biến
Hệ số tương quan được sử dụng để xem xét mức độ tương quan giữa các biến, dao động trong khoảng trừ -1 đến 1 Ngoài ra, phân tích tương quan còn hỗ trợ kiểm tra hiện tượng đa cộng tuyến trong mô hình Trong trưởng hợp hệ số tương quan lớn hơn 0,8 nghĩa là mô hình có hiện tượng tự tương quan
Bảng 4 2 Ma trận tương quan các biến trong mô hình nghiên cứu
CAR SIZE ROA LEV LOA GDP INF
CAR SIZE ROA LEV LOA GDP INF GDP 0,1546 -0,1043 -0,1043 -0,0288 -0,0555 1,0000
Nguồn: Tổng hợp từ phần mềm Stata
Qua ma trận tương quan ở bảng 4.2, hai biến có mối tương quan ngược chiều với hệ số an toàn vốn là SIZE (-0,4419) và LOA (-0,1269), thể hiện rằng khi nâng giá trị quy mô tài sản ngân hàng và tỷ lệ cho vay sẽ làm cho hệ số an toàn vốn bị giảm xuống và ngược lại, hệ số an toàn vốn tăng khi hai yếu tố này giảm
Bên cạnh đó, các biến còn lại lần lượt là ROA (0,0583), LEV (0,6464), GDP (0,1546), INF (0,0557) đều có mối tương quan cùng chiều với CAR, cho thấy rằng khi các biến này tăng/giảm thì hệ số an toàn vốn cũng tăng/giảm
Về tương quan giữa các biến độc lập với nhau, giá trị hệ số tương quan đều nhỏ hơn 0,8; cho thấy các biến độc lập trong mô hình có mối quan hệ tuyến tính, chưa xảy ra hiện tượng tự tương quan.
Hồi quy các mô hình Pooled OLS, FEM, REM
Tác giả đưa vào mô hình hồi quy biến phụ thuộc là CAR và các biến phụ thuộc là SIZE, ROA, LEV, LOA, GDP, INF để xem xét tác động của những biến phụ thuộc này đến hệ số an toàn vốn trong khoảng thời gian nghiên cứu 2016 – 2023 Dựa vào kết quả phân tích từ các mô hình Pooled OLS, FEM, REM, tác giả sẽ thực hiện các kiểm định và tìm ra mô hình phù hợp
Tác giả tiến hành hồi quy mô hình nghiên cứu theo phương pháp ước lượng Pooled OLS và thu được kết quả như bảng 4.3:
Bảng 4 3 Kết quả hồi quy mô hình Pooled OLS
Number of obs = 176 F(6, 169) = 35,65 Prob > F = 0,0000 R-squared = 0,5586 Adj R-squared = 0,5430
CAR Hệ số hồi quy Độ lệch chuẩn t P>t [Khoảng tin cậy 95%]
0,0074688 ROA -0,492133 0,2349399 2,09 0,038 -0,9559279 -0,028338 LEV 0,6142978 0,0596282 10,30 0,000 0,4965858 0,7320099 LOA 0,0162832 0,0190151 0,86 0,393 -0,0212545 0,0538209 GDP 0,2110866 0,0872162 2,42 0,017 0,0389131 0,3832601 INF -0,0951818 0,3187913 -0,30 0,766 -0,7245078 0,5341441 _cons 0,1869257 0,0338056 5,53 0,000 0,1201901 0,2536612
Nguồn: Tác giả tổng hợp từ phần mềm Stata
Xem từ kết quả ở bảng 4.3, mô hình hồi quy Pooled OLS giải thích 55,86% sự thay đổi của các biến độc lập đến biến phụ thuộc CAR với R-squared = 0,5586
Trong mô hình OLS, bốn biến độc lập có tác động và có ý nghĩa thống kê đến biến phụ thuộc CAR lần lượt là SIZE, ROA, LEV, GDP Hai biến tác động tích cực đến CAR là LEV – hệ số hồi quy 0,614 và GDP – hệ số hồi quy 0,211; còn biến SIZE và ROA có tác động tiêu cực đến CAR với hệ số góc lần lượt là -0,016 và -0,492
Trong đó, biến SIZE (p-value = 0,000) và LEV (p-value = 0,000) đều có ảnh hưởng cao nhất đến biến CAR ở mức ý nghĩa 1% Biến ROA (p-value = 0,038) và GDP (p-value = 0,017) có ảnh hưởng ít hơn đến CAR với mức ý nghĩa 5% Các biến còn lại là LOA, INF không có ý nghĩa thống kê
Tác giả tiếp tục hồi quy mô hình nghiên cứu theo phương pháp ước lượng FEM và thu được kết quả như bảng 4.4:
Bảng 4 4 Kết quả hồi quy mô hình FEM
CAR Hệ số hồi quy Độ lệch chuẩn t P>t [Khoảng tin cậy 95%] SIZE -0,0250073 0,0123966 -2,02 0,045 -0,0495046 -0,0005101 ROA -0,4071527 0,3458221 -1,18 0,241 -1,090539 0,2762341 LEV 0,553964 0,0955605 5,80 0,000 0,3651247 0,7428033 LOA -0,0341747 0,0346896 -0,99 0,326 -0,1027256 0,0343761 GDP 0,168254 0,0848032 1,98 0,049 0,0006725 0,3358356 INF -0,0391356 0,297401 -0,13 0,895 -0,6268364 0,5485653 _cons 0,3026745 0,1022513 2,96 0,004 0,1006134 0,5047356
Nguồn: Tác giả tổng hợp từ phần mềm Stata
Dựa vào kết quả chạy hồi quy, kết quả hồi quy FEM giải thích 43,28% sự thay đổi của các biến độc lập đến biến phụ thuộc CAR với R-squared = 0,4328
Khác với OLS, mô hình FEM có ba biến độc lập tương quan có ý nghĩa thống kê với biến phụ thuộc CAR lần lượt là SIZE, LEV, GDP Hai biến tác động tích cực đến CAR là LEV – hệ số hồi quy 0,554 và GDP – hệ số hồi quy 0,168; còn lại biến SIZE có tác động tiêu cực đến CAR với hệ số hồi quy -0,025
Biến LEV (p-value = 0,000) có ảnh hưởng cao nhất đến biến CAR ở mức ý nghĩa 1% Biến SIZE (p-value = 0,045) và GDP (p_value = 0,049) có ảnh hưởng ít hơn đến CAR với mức ý nghĩa 5% Các biến còn lại gồm ROA, LOA, INF ghi nhận không có ý nghĩa thống kê
Thực hiện chạy dữ liệu hồi quy mô hình nghiên cứu theo phương pháp ước lượng REM và thu được kết quả như bảng 4.5:
Bảng 4 5 Kết quả hồi quy mô hình REM
CAR Hệ số hồi quy Độ lệch chuẩn z P>|z| [Khoảng tin cậy 95%] SIZE -0,0161675 0,0052439 -3,08 0,002 -0,0264454 -0,0058895 ROA -0,5275984 0,2570666 -2,05 0,040 -1,03144 -0,0237572 LEV 0,5835159 0,0682659 8,55 0,000 0,4497171 0,7173146 LOA -0,0001403 0,0232997 -0,01 0,995 -0,0458068 0,0455262 GDP 0,2013289 0,0807163 2,49 0,013 0,0431279 0,3595299 INF -0,08755 0,2938269 -0,30 0,766 -0,6634402 0,4883402 _cons 0,206006 0,043344 4,75 0,000 0,1210532 0,2909587
Nguồn: Tác giả tổng hợp từ phần mềm Stata
Dựa vào kết quả chạy hồi quy, mô hình REM giải thích 55,48% sự thay đổi của các biến độc lập đối với biến phụ thuộc CAR với R-squared = 0,5548
Tương tự OLS, mô hình cũng có bốn biến độc lập có mối tương quan và có ý nghĩa thống kê đến biến phụ thuộc CAR, lần lượt là SIZE, ROA, LEV, GDP Hai biến tác động tích cực đến CAR là LEV – hệ số hồi quy 0,584; GDP – hệ số hồi quy 0,201; ngược lại hai biến SIZE và ROA có tác động tiêu cực đến CAR với hệ số góc lần lượt là -0,016 và -0,526
Biến SIZE (p-value = 0,002) và LEV (p-value = 0,000) đều có tác động cao nhất đến biến CAR ở mức ý nghĩa 1% Biến ROA (p-value = 0,040) và GDP (p-value = 0,036) có ít tác động hơn đến CAR với mức ý nghĩa 5% Các biến còn lại là LOA, INF ghi nhận không có ý nghĩa thống kê đối với CAR
Kiểm định lựa chọn mô hình phù hợp
4.4.1 Kiểm định sự phù hợp giữa mô hình Pooled OLS và FEM
Tác giả tiến hành áp dụng kiểm định F – test để chọn giữa một trong hai mô hình Pooled OLS và FEM Trong đó, giả thuyết kiểm định đưa ra là:
H0: Mô hình Pooled OLS là phù hợp
H1: Mô hình FEM là phù hợp
Bảng 4 6 Kết quả kiểm định F – test
Nguồn: Tổng hợp từ phần mềm Stata
Nếu kết quả p-value < 5%, bác bỏ H0, chấp nhận H1 và ngược lại Kết quả thu được ở bảng 4.6 là Frob > F = 0,0006 < 5% Như vậy quyết định lựa chọn mô hình FEM
4.4.2 Kiểm định sự phù hợp giữa mô hình Pooled OLS và REM
Kế đến, tác giả áp dụng kiểm định Breusch and Pagan để chọn ra một trong hai mô hình Pooled OLS và REM
Trong đó, giả thuyết kiểm định đưa ra là:
H0: Mô hình Pooled OLS là phù hợp
H1: Mô hình REM là phù hợp
Bảng 4 7 Kết quả kiểm định Breusch and Pagan Lagrangian
Test: Var(u) = 0 chibar2(01) = 10,42 Prob > chibar2 = 0,0006
Nguồn: Tổng hợp từ phần mềm Stata
Nếu p-value < 5%, bác bỏ H0, chấp nhận H1 và ngược lại Kết quả thu được ở bảng 4.7 là Frob > chibar2 = 0,0006 < 5% Như vậy quyết định lựa chọn mô hình REM
4.4.3 Kiểm định sự phù hợp giữa mô hình FEM và REM
Sau khi lựa chọn được hai mô hình FEM và REM Tác giả sử dụng kiểm định Hausman để lựa chọn một trong hai mô hình Trong đó, giả thuyết đưa ra là:
H0: Mô hình REM là phù hợp
H1: Mô hình FEM là phù hợp
Bảng 4 8 Kết quả kiểm định Hausman
Nguồn: Tổng hợp từ phần mềm Stata
Nếu p-value < 5%, bác bỏ H0, chấp nhận H1 và ngược lại Kết quả thu được ở bảng 4.8 là Frob > chi2 = 0,5266 > 5%, bác bỏ H1, chấp nhận H0 Như vậy lựa chọn được mô hình REM là phù hợp với nghiên cứu.
Kiểm định khuyết tật của mô hình
Sau khi áp dụng các phép kiểm định và chọn ra được mô hình cho nghiên cứu là mô hình REM, tác giả tiếp tục lần lượt đi kiểm định các khuyết tật mà mô hình có thể mắc phải thông qua các phép kiểm định
4.5.1 Kiểm định hiện tượng đa cộng tuyến
Giá trị VIF của tất cả các biến độc lập được thể hiện ở bảng 4.9 đều nhỏ hơn 10 và 2 Như vậy kết luận hiện tượng đa cộng tuyến không xuất hiện trong mô hình
Bảng 4 9 Kết quả kiểm định đa cộng tuyến
Nguồn: Tác giả tổng hợp từ phần mềm Stata
4.5.2 Kiểm định hiện tượng phương sai thay đổi Áp dụng kiểm định Breusch and Pagan Lagrangian để kiểm tra phát hiện hiện tượng phương sai thay đổi của mô hình Trong đó, giả thuyết kiểm định đưa ra là:
H0: Không có hiện tượng phương sai thay đổi trong mô hình
H1: Có hiện tượng phương sai thay đổi trong mô hình
Bảng 4 10 Kết quả kiểm định Breusch and Pagan Lagrangian chibar2(01) = 10,42
Nguồn: Tổng hợp từ phần mềm Stata
Nếu p-value có giá trị < 5%, bác bỏ H0 và chấp nhận H1 Dựa vào kết quả kiểm định ở bảng 4.10 là Prob > chibar2 = 0,0006 < 5% nên chấp nhận là mô hình đang có hiện tượng phương sai thay đổi
4.5.3 Kiểm định hiện tượng tự tương quan Để kiểm định hiện tượng tự tương quan trong mô hình, tác giả sử dụng kiểm định Wooldridge Trong đó, giả thuyết đưa ra là:
H0: Mô hình không có hiện tượng tự tương quan
H1: Mô hình có hiện tượng tự tương quan
Bảng 4 11 Kết quả kiểm định tự tương quan
Nguồn: Tổng hợp từ phần mềm Stata
Nếu p-value có giá trị < 5%, bác bỏ H0 và chấp nhận H1 Theo kết quả từ bảng 4.11, Prob > F = 0,0346 > 5%, cho thấy là mô hình không xuất hiện tình trạng tự tương quan.
khắc phục khuyết tật mô hình bằng phương pháp FGLS
Sau khi kiểm định các khuyết tật thì phát hiện có hiện tượng phương sai thay đổi trong mô hình REM Vì vậy tác giả tiến hành áp dụng phương pháp ước lượng FGLS để khắc phục các hiện tượng này và kết quả được thể hiện ở bảng 4.12:
Bảng 4 12 Kết quả hồi quy mô hình FGLS
CAR Hệ số hồi quy Độ lệch chuẩn z P>|z| [Khoảng tin cậy 95%] SIZE -0,0203496 0,0025364 -8,02 0,000 -0,0253208 -0,0153784 ROA -0,3938431 0,1597499 -2,47 0,014 -0,7069472 -0,080739 LEV 0,5924362 0,0397997 14,89 0,000 0,5144302 0,6704423 LOA 0,0382061 0,0147313 2,59 0,009 0,0093332 0,067079 GDP 0,1851521 0,0549845 3,37 0,001 0,0773844 0,2929198 INF -0,187528 0,1990599 -0,94 0,346 -0,5776782 0,2026222 _cons 0,2179561 0,0206296 10,57 0,000 0,1775229 0,2583894
Nguồn: Tổng hợp từ phần mềm Stata
Sau khi khắc phục khuyết tật bằng mô hình FGLS, có năm biến độc lập có ý nghĩa thống kê là SIZE, ROA, LEV, LOA và GDP Biến SIZE và ROA có tác tiêu cực với mức ý nghĩa lần lượt là 1% và 5% tới hệ số CAR Ngược lại biến LEV, LOA, GDP đều tỷ lệ thuận với CAR ở cùng mức ý nghĩa là 1% Bốn biến SIZE, LEV, LOA, tăng trưởng kinh tế GDP có tác động lớn nhất tới hệ số an toàn vốn
Thêm vào đó, tác giả đưa ra cái nhìn tổng quan về kết quả ba mô hình FEM, REM và FGLS thông qua bảng 4.13:
Bảng 4 13 Tổng hợp kết quả hồi quy ba mô hình FEM, REM, FGLS
SIZE -0,0250** -0,0162*** -0,0203*** ROA -0,407 -0,528** -0,394** LEV 0,554*** 0,584*** 0,592*** LOA -0,0342 -0,000140 0,0382*** GDP 0,168** 0,201* 0,185*** INF -0,0391 -0,0876 -0,188 _cons 0,303*** 0,206*** 0,218***
Nguồn: Tổng hợp từ phần mềm Stata
Thảo luận kết quả nghiên cứu
Thông qua quá trình chạy hồi quy và phân tích dữ liệu, mô hình nghiên cứu được tác giả đề xuất như sau:
CAR it = 0,218 – 0,0203 SIZE it – 0,394 ROA it + 0,592LEV it + 0,0382 LOA it
So với mới mô hình nghiên cứu ban đầu, mô hình nghiên cứu hồi quy bằng phương pháp FGLS có năm biến độc lập là SIZE, ROA, LEV, LOA và GDP; biến phụ thuộc là CAR
Sau khi xử lý các khuyết tật của mô hình bằng phương pháp FGLS, tác giả so sánh kết quả mô hình với các giả thuyết đã đặt ra trước đó
Giả thuyết H 1 : Quy mô ngân hàng và hệ số an toàn vốn tương quan ngược chiều
Từ kết quả thể hiện ở bảng, SIZE có mối tương quan ngược chiều với hệ số an toàn vốn CAR ở mức ý nghĩa 1%, hệ số hồi quy là -0.0203 Thể hiện rằng nếu các yếu tố khác giữ nguyên, khi tăng quy mô ngân hàng 1% thì hệ số CAR sẽ giảm 0,0203 đơn vị và ngược lại Kết quả này tương tự với kết quả từ các nghiên cứu của Melita Charitou
(2019), Võ Hồng Đức và cộng sự (2014), Nadja Dreca (2014), Bahtiar Usman và cộng sự (2019), Refet và cộng sự (2015) Khi giá trị quy mô tổng tài sản của ngân hàng càng tăng, tài sản rủi ro tăng theo, khiến hệ số an toàn vốn của ngân hàng bị giảm xuống
Giả thuyết H 2: Tỷ suất sinh lời trên tổng tài sản và hệ số an toàn vốn tương quan cùng chiều Đối với tỷ lệ sinh lời trên tổng tài sản ROA, kết quả hồi quy thể hiện rằng ROA và CAR tỷ lệ nghịch với nhau ở mức ý nghĩa thống kê 5%, hệ số hồi quy -0,394 Nếu những yếu tố khác vẫn giữ nguyên, khi tăng tỷ lệ ROA lên 5% thì hệ số CAR sẽ giảm
0,394 đơn vị và ngược lại Kết quả này phù hợp với kết quả nghiên cứu của Nguyễn Kim Chi (2018), Nadja Dreca (2014), Yahaya (2016) Khác với kết quả nghiên cứu của Rafet và cộng sự (2015), Melita (2019) chỉ ra rằng có mối tương quan dương giữa ROA và CAR
Giả thuyết H 3 : Tỷ lệ đòn bẩy tài chính và đến hệ số an toàn vốn tương quan cùng chiều
Từ kết quả chạy mô hình thu được, tỷ lệ đòn bẩy tài chính LEV có ảnh hưởng cùng chiều đến hệ số an toàn vốn CAR với mức ý nghĩa 1% và hệ số hồi quy là 0,592 Điều này thể hiện rằng trong điều kiện các yếu tố khác giữ nguyên, khi tăng/giảm đòn bẩy tài chính lên 1% thì hệ số CAR cũng tăng/giảm theo 0,592 đơn vị Kết quả phù hợp với kết quả nghiên cứu của Nguyễn Kim Chi (2018), Nadja Dreca (2014), Bahtiar Usman và cộng sự (2019) Có thể hiểu rằng khi tăng đòn bẩy tài chính, vốn chủ sở hữu của ngân hàng sẽ tăng và từ đó làm tăng hệ số an toàn vốn Cùng với đó tăng tỉ trọng và chất lượng vốn cũng là một trong các tiêu chí để các NHTM ở Việt Nam hướng đến để tiệm cận hơn với chuẩn mực Basel III
Giả thuyết H 4 : Tỷ lệ cho vay của ngân hàng và đến hệ số an toàn vốn tương quan ngược chiều
Khi xem xét về tỷ lệ cho vay LOA, kết quả chỉ ra rằng LOA có tác động cùng chiều với CAR với mức ý nghĩa 1% và hệ số hồi quy đạt 0,0382 Kết quả này phù hợp với kết quả nghiên cứu của Lê Hồng Thái (2020) Ngược lại nghiên cứu của Bahitar và cộng sự (2019), Nadja Dreca (2014) chỉ ra có mối quan hệ ngược chiều giữa LOA và ROA Theo Võ Hồng Đức và cộng sự (2014) thì không có tác động lẫn nhau giữa hai yếu tố này
Giả thuyết H 5 : Tăng trưởng kinh tế ảnh hưởng và hệ số an toàn vốn tương quan cùng chiều Đối với biến GDP, kết quả chạy dữ liệu cho thấy tăng trưởng kinh tế GDP có mối tương quan cùng chiều với mức ý nghĩa 1% và hệ số hồi quy là 0,185 Điều này chỉ ra rằng trong điều kiện các biến khác vẫn giữ nguyên, nếu GDP tăng/giảm 1% thì CAR cũng tăng/giảm 0,185 đơn vị Kết quả này tương tự với kết quả của Lê Thị Thanh Lộc và cộng sự (2022)
Giả thuyết H 6 : Tỷ lệ lạm phát và hệ số an toàn vốn tương quan ngược chiều
Từ kết quả thu được, tỷ lệ lạm phát INF có mức ý nghĩa thống kê là 0,346 > 10% nên tỷ lệ lạm phát INF không có ý nghĩa thống kê đối với mô hình nghiên cứu, không có tác động đến CAR Kết quả này khác với kết quả thu được của Nguyễn Thị Minh Hương
(2021), Yahaya và cộng sự (2016) là INF có tương quan ngược chiều với CAR và của
Lê Thị Thanh Lộc và cộng sự (2022) là INF và CAR có ảnh hưởng cùng chiều
Khi so sánh giữa các giả thuyết đã đặt ra và kết quả kiểm định sau khi chạy mô hình, ta thấy có những điểm không tương đồng Điều này xảy ra là bởi dữ liệu thu thập từ các NHTM chịu ảnh hưởng bởi bối cảnh kinh tế, các chính sách, tình hình thực tiễn và chiến lược quản trị từ phía mỗi ngân hàng Dẫn đến có sự khác nhau giữa cơ sở lý thuyết, giả thuyết đề xuất và kết quả kiểm định mô hình
Trong chương này, tác giả trình bày và phân tích kết quả thu được từ chạy dữ liệu mô hình nghiên cứu thông qua phần mềm Stata bao gồm: phân tích thống kê mô tả, ma trận tương quan, phân tích hồi quy, kiểm định lựa chọn mô hình phù hợp và khắc phục khuyết tật của mô hình Từ đó đưa ra thảo luận về kết quả nghiên cứu, mức độ tác động của các yếu tố đến hệ số an toàn vốn, kiểm định các giả thuyết đã đặt ra trước đó Mô hình cuối cùng thu được năm biến độc lập là SIZE, ROA, LEV, LOA, GDP có ý nghĩa thống kê và tương quan với CAR Tác giả sẽ đưa ra kết luận và các đề xuất ở chương cuối dựa trên thảo luận kết quả nghiên cứu thu được.
