Các yếu tố tác Động Đến khả năng sinh lời của các ngân hàng thương mại việt nam

Kết quả nghiên cứu chỉ ra rằng, chi phí hoạt động OPE có tác động tích cực đến khả năng sinh lời của các ngân hàng.. Trên cơ sở các kết quả nghiên cứu các yếu tố tác động đến khả năng si

GIỚI THIỆU

LÝ DO CHỌN ĐỀ TÀI

Ngân hàng được coi là huyết mạch của nền kinh tế, hoạt động ngân hàng bao trùm lên tất cả các hoạt động kinh tế xã hội, gắn liền với sự vận động của toàn bộ nền kinh tế, đóng góp đắc lực trong việc phát triển kinh tế đất nước Ngân hàng thương mại (NHTM) trở thành định chế tài chính không thể thiếu để vận hành nền kinh tế, đóng vai trò cung cấp nguồn vốn chủ yếu cho nền kinh tế, thúc đẩy lực lượng sản xuất phát triển, là cầu nối giữa doanh nghiệp và thị trường

Tuy nhiên, sự tồn tại và phát triển của ngành ngân hàng, đặc biệt là NHTM lại phụ thuộc rất nhiều vào doanh nghiệp nói riêng và nền kinh tế nói chung Trong khi đó, nền kinh tế vào những năm gần đây luôn biến động không ngừng Đầu tiên có thể kể đến là đại dịch Covid – 19 đã đưa nền kinh tế toàn cầu rơi vào suy thoái nghiêm trọng Tiếp đến là cuộc xung đột giữa Nga và Ukraine vào đầu năm 2022 tạo ra cuộc khủng hoảng năng lượng, đã đẩy giá năng lượng, lương thực thế giới tăng vọt, giá khí đốt tăng gần 5 lần so với thời điểm trước đó Căng thẳng địa chính trị và thiên tai đã làm gián đoạn chuỗi cung ứng toàn cầu và làm trầm trọng thêm tình trạng lạm phát

Do đó, để hạ nhiệt lạm phát ở mức cao kỷ lục trong nhiều thập kỷ, Cục Dự trữ liên bang Mỹ (FED) liên tục tăng lãi suất, mức tăng cao nhất kể từ năm 2007 Trong khi xung đột giữa Nga và Ukraine vẫn đang tiếp diễn thì lại có một cuộc chiến khác giữa Israel và lực lượng Hamas của Palestine Các cuộc chiến này gây biến động thị trường tài chính và có thể khiến nhiều nước đối mặt với làn sóng lạm phát mới

Từ đó, hiệu quả hoạt động của NHTM Việt Nam cũng bị tác động đáng kể và luôn biến động bởi các sự kiện nóng trên thế giới liên tiếp xảy ra Vì vậy, tác giả muốn xem xét hiệu quả hoạt động ngân hàng thông qua việc đánh giá khả năng sinh lời (KNSL) của ngân hàng KNSL là một trong các thước đo quan trọng về sự tồn tại và phát triển bền vững của NHTM Vì vậy, KNSL cần được nghiên cứu và đánh giá thường xuyên để đưa ra cái nhìn tổng quan về các hoạt động trong ngân hàng Việc đánh giá KNSL cũng như các yếu tố tác động đến KNSL là không mới nhưng luôn được quan tâm bởi các nhà nghiên cứu ở những đất nước khác nhau hay những giai đoạn khác nhau Do đó, tác giả kế thừa và xem xét “Các yếu tố tác động đến khả năng sinh lời của các NHTM Việt Nam” làm đề tài nghiên cứu của mình.

MỤC TIÊU NGHIÊN CỨU

Nghiên cứu được thực hiện nhằm mục đích xác định các yếu tố tác động và mức độ tác động của từng yếu tố đến KNSL của các NHTM tại Việt Nam Từ đó đưa ra các đề xuất và kiến nghị phù hợp nhằm gia tăng KNSL

Trên cơ sở mục tiêu tổng quát, các mục tiêu cụ thể của nghiên cứu được đặt ra như sau:

Thứ nhất, xác định các yếu tố tác động đến KNSL của các NHTM Việt Nam Thứ hai, đo lường mức độ tác động của từng yếu tố tác động đến KNSL của các NHTM Việt Nam

Thứ ba, dựa trên kết quả nghiên cứu, đưa ra các đề xuất và kiến nghị phù hợp nhằm gia tăng KNSL cho các NHTM Việt Nam.

CÂU HỎI NGHIÊN CỨU

Để đạt được các mục tiêu nghiên cứu trên, các câu hỏi nghiên cứu được đặt ra như sau:

Các yếu tố nào tác động đến KNSL của các NHTM Việt Nam?

Mức độ tác động của từng yếu tố đến KNSL của các NHTM Việt Nam như thế nào?

Theo kết quả nghiên cứu được thực hiện thì những đề xuất, kiến nghị nào là phù hợp để nâng cao KNSL của các NHTM Việt Nam?

ĐỐI TƯỢNG VÀ PHẠM VI NGHIÊN CỨU

1.4.1 Đối tượng nghiên cứu Đối tượng nghiên cứu của đề tài là các yếu tố tác động đến KNSL của các NHTM tại Việt Nam

Về không gian: Nghiên cứu phân tích gồm 27 NHTM tại Việt Nam với các dữ liệu thứ cấp đều được công khai đầy đủ và rõ ràng trên báo cáo tài chính của từng ngân hàng

Về thời gian: Nghiên cứu thu thập và sử dụng dữ liệu của 27 NHTM Việt Nam trong thời gian 13 năm, cụ thể từ năm 2011 đến năm 2023 Tác giả lựa chọn thời gian nghiên cứu trong giai đoạn này để xem xét KNSL của các NHTM do kinh tế Việt Nam lúc này đứng trước nhiều thách thức lớn đan xen khi hứng chịu các tác động bất lợi do tình trạng suy thoái kinh tế toàn cầu sau cuộc khủng hoảng tài chính năm 2008 Chưa dừng ở đó, từ năm 2016 trở đi, kinh tế Việt Nam lại phải hứng chịu các tác động tiêu cực cả về cung và cầu do kinh tế thế giới diễn biến thất thường, thiên tai và dịch bệnh diễn biến phức tạp và ngày càng trầm trọng, căng thẳng thương mại giữa Mỹ và Trung Quốc và nhiều nền kinh tế chủ chốt khác gia tăng và hàng loạt các vấn đề khác.

PHƯƠNG PHÁP VÀ DỮ LIỆU NGHIÊN CỨU

1.5.1 Phương pháp nghiên cứu Để đạt được các mục tiêu nghiên cứu đã đề cập phía trên, tác giả sử dụng các phương pháp nghiên cứu như sau:

Phương pháp nghiên cứu định tính: Nghiên cứu thu thập, tổng hợp các nghiên cứu thực nghiệm của các tác giả trong và ngoài nước để kế thừa, so sánh và áp dụng những quan điểm về đánh giá, đo lường khả năng sinh lời của ngân hàng và đưa ra mô hình tổng quát phù hợp cho nghiên cứu

Phương pháp nghiên cứu định lượng: Từ các dữ liệu thu thập được, tác giả sử dụng phần mềm STATA 17.0 để tiến hành phân tích hồi quy dữ liệu bảng theo phương pháp OLS, FEM và REM Tiếp theo, tác giả thực hiện kiểm định VIF (kiểm tra đa cộng tuyến) trong mô hình Sau đó, tác giả tiếp tục so sánh các kết quả hồi quy của từng phương pháp thông qua các kiểm định như F-test, Breusch and Pagan Lagrangian, Hausman để chọn mô hình phù hợp Sau khi đã lựa chọn được mô hình phù hợp nhất với các biến trong bài nghiên cứu, tác giả kiểm định các khuyết tật mô hình như hiện tượng tự tương quan thông qua kiểm định Wooldridge và hiện tượng phương sai sai số thay đổi thông qua kiểm định Modified Wald Đồng thời để khắc phục các khuyết tật trên tác giả sử dụng phương pháp FGLS và cuối cùng là phương pháp GMM để xử lý vấn đề nội sinh

Nghiên cứu tổng hợp, phân tích, thống kê các dữ liệu tài chính của các NHTM Việt Nam trong giai đoạn 2011 – 2023 thông qua BCTC của 27 ngân hàng Bên cạnh đó, các số liệu kinh tế vĩ mô như GDP, lạm phát của Tổng cục Thống kê và Ngân hàng Thế giới (World Bank).

Ý NGHĨA LÝ LUẬN VÀ THỰC TIỄN CỦA ĐỀ TÀI

Nghiên cứu sẽ cung cấp thêm bằng chứng thực nghiệm về các yếu tố tác động đến KNSL của các NHTM Việt Nam Từ đó đưa ra các đề xuất và kiến nghị phù hợp nhằm góp phần thúc đẩy và phát triển ổn định lợi nhuận của các NHTM nói riêng và hệ thống ngân hàng Việt Nam nói chung.

BỐ CỤC CỦA KHÓA LUẬN

Nội dung của khóa luận bao gồm 5 chương:

CHƯƠNG 1: GIỚI THIỆU ĐỀ TÀI NGHIÊN CỨU

Chương này trình bày tổng quan về đề tài nghiên cứu bao gồm lý do chọn đề tài, mục tiêu nghiên cứu, câu hỏi nghiên cứu, đối tượng và phạm vi nghiên cứu, những đóng góp của đề tài và bố cục đề tài

CHƯƠNG 2: CƠ SỞ LÝ THUYẾT VÀ CÁC NGHIÊN CỨU THỰC NGHIỆM

Chương này trình bày các cơ sở lý thuyết, các yếu tố ảnh hưởng đến khả năng sinh lời của các NHTM Việt Nam và tổng hợp, thảo luận các nghiên cứu trước của các tác giả trong và ngoài nước

CHƯƠNG 3: MÔ HÌNH VÀ PHƯƠNG PHÁP NGHIÊN CỨU

Dựa trên các cơ sở ở chương 2, trong chương 3 tác giả đưa ra quy trình nghiên cứu, mô hình nghiên cứu, biến nghiên cứu, dữ liệu và phương pháp nghiên cứu nhằm thu được kết quả phù hợp với mục tiêu đề ra

CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN

Trong chương 4 trình bày và diễn giải kết quả nghiên cứu đã thực hiện thông qua phần mềm STATA 17.0 Từ đó đưa ra thảo luận với các nghiên cứu thực nghiệm về các biến nghiên cứu và đưa ra lời giải thích về tác động của các biến độc lập lên biến phụ thuộc

CHƯƠNG 5: KẾT LUẬN VÀ ĐỀ XUẤT

Chương này đưa ra đánh giá, kết luận chung cho đề tài Bên cạnh đó, từ các phân tích được trình bày ở chương 4 sẽ được đút kết và đưa ra các đề xuất và kiến nghị phù hợp nhằm tăng trưởng KNSL cho các NHTM Việt Nam

Trong chương này tác giả đã giới thiệu tổng quan về đề tài nghiên cứu, lý do chọn đề tài, mục tiêu, câu hỏi nghiên cứu, đối tượng và phạm vi nghiên cứu, phương pháp nghiên cứu, đóng góp của đề tài và bố cục của đề tài Chương 1 là cơ sở để tác giả trình bày nghiên cứu ở các chương tiếp theo.

CƠ SỞ LÝ THUYẾT VÀ TỔNG QUAN NGHIÊN CỨU

KHẢ NĂNG SINH LỜI CỦA NGÂN HÀNG THƯƠNG MẠI

2.1.1 Khái niệm KNSL của NHTM

Theo Asika và cộng sự (2017), KNSL là khả năng tạo ra lợi nhuận từ tất cả các hoạt động kinh doanh của một tổ chức, doanh nghiệp Nó cho thấy ban quản lý có thể tạo ra lợi nhuận hiệu quả như thế nào bằng cách sử dụng tất cả các nguồn lực sẵn có trên thị trường Theo Hofstrand (2009) cho rằng, KNSL là mục tiêu chính của tất cả các dự án kinh doanh Nếu không có lợi nhuận, doanh nghiệp sẽ không tồn tại trong thời gian dài

Như vậy, KNSL được xem là phép đo của sự thành công trong kinh doanh, là thước đo hiệu quả bằng tiền trong việc xác định hiệu quả hoạt động về doanh thu và lợi nhuận Nó xem xét mối quan hệ giữa doanh thu và chi phí để phân tích tình hình hoạt động kinh doanh và tiềm năng trong tương lai Khả năng sinh lời thể hiện sức mạnh của ngân hàng trong việc tạo ra lợi nhuận, nâng cao hiệu quả hoạt động, tăng khả năng sinh tiền, sử dụng các nguồn lực một cách hiệu quả

2.1.2 Các lý thuyết về KNSL của NHTM

KNSL đo lường sự hiệu quả và khả năng của một ngân hàng để tạo ra lợi nhuận trong hoạt động kinh doanh, là một công cụ quan trọng để đánh giá sức khỏe tài chính và hiệu suất của một ngân hàng Các nghiên cứu về KNSL hay hiệu quả kinh doanh của ngân hàng cơ bản dựa trên 2 lý thuyết: lý thuyết quyền lực thị trường và lý thuyết cấu trúc hiệu quả

Lý thuyết quyền lực thị trường (MP – Market Power)

Lý thuyết quyền lực thị trường gồm 2 hướng tiếp cận: lý thuyết Cấu trúc – Hành vi – Hiệu quả (Structure – Conduct – Performance, SCP) và lý thuyết quyền lực thị trường tương đối (Relative Market Power – RMP)

Lý thuyết SCP được đề xuất bởi Chamberlin (1933) và Robinson (1933) và sau đó được phát triển bởi Bain (1951) cho rằng cấu trúc ảnh hưởng hành vi, hành vi ảnh hưởng đến hiệu quả và do đó cấu trúc ảnh hưởng đến hiệu quả (Phạm Hồng Linh,

2021) Nói chung, lý thuyết SCP lập luận rằng tại các ngân hàng càng có khả năng tập trung cao thì các ngân hàng hưởng lợi từ áp lực cạnh tranh thấp, do đó cho phép ngân hàng thực hiện quyền lực thị trường và từ đó kiếm được lợi nhuận độc quyền bằng cách đưa ra lãi suất tiền gửi thấp hơn và tính lãi suất cho vay cao hơn (Berger và cộng sự, 2004; Yeyati và Micco, 2007)

Lý thuyết RMP phát triển bởi Smirlock (1985) cho rằng các ngân hàng có mức độ nhận diện thương hiệu như thị phần lớn, có các sản phẩm, dịch vụ khác biệt sẽ có khả năng kiểm soát thị trường, có thể tăng giá trên mức bình thường và từ đó đạt được lợi nhuận cao hơn Lý thuyết này cho rằng, lĩnh vực nào càng có thị trường tập trung thì khả năng sinh lời đạt được càng cao do lợi ích từ sức mạnh thị trường mang lại

Do đó, tồn tại mối quan hệ cùng chiều giữa lợi nhuận đạt được và quyền lực thị trường (Maudos và de Guevara, 2007) Giả thuyết hàm ý rằng quyền lực thị trường gia tăng thông qua quy mô tăng làm tăng hiệu quả của các ngân hàng

Lý thuyết cấu trúc hiệu quả (ES – Efficient Structure)

Lý thuyết ES phát triển bởi Demsetz (1973) cho rằng hiệu suất ngân hàng tạo nên cấu trúc thị trường Các ngân hàng đạt được KNSL cao hơn là do kết quả của việc cải thiện hiệu quả quản trị, hoạt động bên trong ngân hàng chứ không phải sức mạnh từ lợi ích thị trường Theo đó, các ngân hàng có hiệu quả cao sẽ có khả năng tăng quy mô và mở rộng thị phần, khiến thị trường trở nên tập trung hơn Lý thuyết cấu trúc hiệu quả được đề xuất theo 2 hướng tiếp cận là theo hiệu quả X và theo quy mô Ở hướng tiếp cận theo hiệu quả X (X-Efficiency), tối thiểu hóa chi phí và tối đa hóa lợi nhuận thông qua việc thâu tóm và sát nhập Vì vậy, các ngân hàng có khả năng giảm giá các sản phẩm, dịch vụ của mình để thu hút thêm nhiều khách hàng Từ đó đạt được thị phần và lợi nhuận cao hơn Đối với hướng tiếp cận hiệu quả theo quy mô (Scale-Efficiency) thì nhờ tính kinh tế theo quy mô, các ngân hàng lớn hơn có chi phí sản xuất thấp hơn, nhờ đó lợi nhuận cao hơn

Như vậy, thông qua các lý thuyết được đề cập phía trên cho thấy lý thuyết quyền lực thị trường (MP – Market Power) cho rằng KNSL của ngân hàng được xác định theo yếu tố thị trường (các yếu tố bên ngoài) trong khi lý thuyết cấu trúc hiệu quả (ES – Efficient Structure) cho rằng hiệu quả của ngân hàng chịu ảnh hưởng bởi yếu tố nội bộ (các yếu tố bên trong) Do đó, dựa trên nền tảng các lý thuyết, KNSL của ngân hàng chịu tác động bởi cả yếu tố bên trong và bên ngoài

2.1.3 Tầm quan trọng của KNSL trong NHTM

Theo Đặng Thị Minh Nguyệt và cộng sự (2021), việc đánh giá KNSL của NH nói chung hay các NHTM nói riêng là rất quan trọng vì nó có ảnh hưởng trực tiếp đến sự ổn định và thành công của hệ thống NH Đánh giá KNSL giúp NH xác định và đảm bảo hoạt động kinh doanh của mình đủ mạnh để duy trì và phát triển trong thời gian dài Nếu NH không có KNSL, nó có thể đối mặt với rủi ro về việc giảm thiểu hoặc thậm chí mất vốn và có thể gặp khó khăn trong việc cung cấp dịch vụ và đáp ứng yêu cầu của KH Đánh giá KNSL giúp NH nhận biết và đánh giá các rủi ro tài chính liên quan đến HĐKD và cung cấp dịch vụ Bằng cách hiểu rõ rủi ro, NH có thể áp dụng các biện pháp quản lý rủi ro hiệu quả để giảm thiểu các tác động tiêu cực và bảo vệ vốn của mình Đánh giá KNSL cung cấp thông tin quan trọng để NH đưa ra quyết định đầu tư và phát triển (Lê Đồng Duy Trung, 2020) Nó giúp xác định các lĩnh vực kinh doanh tiềm năng, ưu tiên đầu tư vào các hoạt động mang lại lợi nhuận cao hơn và định hướng chiến lược phù hợp để tăng trưởng và mở rộng hoạt động của NH

KNSL tốt của ngân hàng là yếu tố quan trọng để xây dựng lòng tin của KH, đối tác kinh doanh và nhà đầu tư Một NH có khả năng sinh lời cao thể hiện sự ổn định và khả năng trả lãi suất hợp lý cho tiền gửi và vay, thu hút KH và đối tác tin cậy và thu hút vốn đầu tư

Việc đánh giá KNSL cũng giúp NH tuân thủ các quy định và quy tắc được áp dụng trong ngành NH Đánh giá KNSL giúp xác định mức độ an toàn và cân đối của HĐKD, từ đó đảm bảo sự ổn định và đáng tin cậy của hệ thống NH Hệ thống NH là huyết mạch của nền kinh tế, sử dụng đòn bẩy tài chính của mình để tạo ra đòn bẩy tài chính cho các DN (Phạm Tiếp, 2022) Chính vì vậy, KNSL của NH cao và lành mạnh sẽ góp phần thúc đẩy tăng trưởng kinh tế, kiềm chế lạm phát, ổn định kinh tế vĩ mô

2.1.4 Các chỉ tiêu phản ánh KNSL của các NHTM

Theo Peter (2002) và Nguyễn Minh Kiều (2009) cho rằng KNSL của NHTM thường được đo lường thông qua 2 chỉ tiêu cơ bản là ROA và ROE

Tỷ suất sinh lời trên tổng tài sản (Return on Assets – ROA) là thước đo thông dụng nhất về KNSL Tỷ suất sinh lời trên tổng tài sản thể hiện với một đồng tài sản đầu tư ban đầu, NH có thể tạo ra bao nhiêu đồng lợi nhuận sau thuế Từ đó phản ánh khả năng quản trị và sử dụng tài sản của NH để tạo ra lợi nhuận Qua đó, ROA cung cấp cho doanh nghiệp, nhà phân tích hay các nhà đầu tư về mức độ hiệu quả của ngân hàng trong việc sử dụng tài sản của mình để tạo ra lợi nhuận Công thức tính ROA được đo lường như sau:

Tỷ suất sinh lời trên vốn chủ sở hữu (Return on Equity – ROE) là chỉ số phản ánh hiệu quả của vốn chủ sở hữu Tức thể hiện lợi nhuận ngân hàng thu được từ mỗi đồng vốn chủ sở hữu Do đó, ROE cho thấy khả năng quản trị và sử dụng vốn chủ sở hữu để tạo ra thu nhập cho các cổ đông ROE đánh giá lợi ích mà cổ đông có được từ nguồn vốn đầu tư vào NH Do đó, ROE là chỉ tiêu được các cổ đông quan tâm hàng đầu khi mục tiêu của họ là lợi nhuận Công thức tính ROE được đo lường như sau:

CÁC NGHIÊN CỨU THỰC NGHIỆM

2.2.1 Các nghiên cứu nước ngoài

Gaber (2018) thực hiện nghiên cứu với mục tiêu tìm ra các yếu tố ảnh hưởng đến lợi nhuận của NHTM tại Palestine trong khoảng thời gian 1995-2015 Kết quả nghiên cứu chỉ ra các yếu tố như quy mô, vốn ngân hàng, dư nợ cho vay, tiền gửi khách hàng, lạm phát, tăng trưởng kinh tế là các yếu tố tác động đến ROA và ROE Trong đó, quy mô tài sản tác động cùng chiều với ROE; vốn ngân hàng tác động cùng chiều với ROA; dư nợ cho vay tác động cùng chiều với cả ROA và ROE trong khi đó tiền gửi khách hàng có tác động ngược chiều với ROA và ROE

Ammar và Hana (2021) thực hiện nghiên cứu 10 quốc gia ở khu vực Trung Đông và Bắc Phi trong giai đoạn từ năm 2008 đến năm 2016 nhằm xác định các yếu tố quyết định đến KNSL của ngân hàng Nghiên cứu chỉ ra các yếu tố như quy mô, dư nợ cho vay và GDP ảnh hưởng tích cực đến KNSL Trong khi đó, nợ xấu và lạm phát ảnh hưởng tiêu cực đến lợi nhuận NH Bên cạnh đó, tác động của vốn ngân hàng đến lợi nhuận là không chắc chắn

Farkasdi và cộng sự (2021) nghiên cứu các yếu tố quyết định KNSL của 5 NHTM tại Đức trong giai đoạn 2017-2020 Nghiên cứu sử dụng phương pháp phân tích hồi quy bội và kết quả chỉ ra rằng quy mô ngân hàng, hệ số an toàn vốn và thu nhập ngoài lãi có tác động tích cực đến KNSL Bên cạnh đó, tiền gửi khách hàng có tác động tiêu cực đến KNSL Trong đó, yếu tố tác động mạnh nhất đến KNSL là thu nhập ngoài lãi

Isayas (2022) nghiên cứu 14 ngân hàng ở Ethiopia nhằm xác định các yếu tố quyết định KNSL trong giai đoạn 2008-2019 Kết quả cho thấy quy mô, tỷ lệ thanh khoản, tài sản hữu hình, vốn ngân hàng, đòn bẩy và GDP có ý nghĩa thống kê và tác động tích cực đến ROA Ngược lại, các yếu tố như tuổi đời ngân hàng và lạm phát có tác động ngược chiều đến ROA

Mondol và Wadud (2022) nghiên cứu các yếu tố tác động đến KNSL của 12 ngân hàng thương mại ở Bangladesh trong khoảng thời gian từ 2009 đến 2018 Nghiên cứu chỉ ra rằng vốn ngân hàng, tiền gửi khách hàng và hiệu quả hoạt động có tác động tích cực đến ROA, ROE Trong khi đó, quy mô, tỷ lệ cho vay trên tiền gửi khách hàng, GDP và lạm phát có mối quan hệ tiêu cực với ROA, ROE

2.2.2 Các nghiên cứu trong nước

Võ Phương Diễm (2016) nghiên cứu các yếu tố ảnh hưởng đến KNSL của 22 NHTM Việt Nam trong giai đoạn 2008 – 2015 Các biến đại diện cho KNSL là tỷ lệ thu nhập trên tổng tài sản và tỷ lệ thu nhập trên vốn ngân hàng Kết quả nghiên cứu chỉ ra rằng chi phí hoạt động tác động mạnh nhất và ngược chiều với ROA, ROE Ngược lại, về mức độ phát triển ngân hàng tác động nhỏ nhất và ngược chiều với ROA, ROE Các biến như dư nợ cho vay, tỷ lệ thanh khoản, quy mô ngân hàng có tác động tích cực đến khả năng sinh lời Trong đó, vốn ngân hàng có tác động cùng chiều với ROA nhưng ngược chiều với ROE Theo nghiên cứu, dự phòng rủi ro tín dụng không tác động đến khả năng sinh lời của các ngân hàng

Phạm Hải Nam (2020) nghiên cứu đánh giá các tác động của khủng hoảng tài chính thế giới và các yếu tố khác đến KNSL của 30 NHTM Việt Nam trong khoảng thời gian từ 2007-2018 Kết quả nghiên cứu cho thấy, khủng hoảng tài chính, quy mô ngân hàng, vốn ngân hàng, tài sản thanh khoản, tiền gửi khách hàng và dư nợ cho vay tác động cùng chiều đến KNSL Trong đó, các yếu tố như dự phòng rủi ro tín dụng, chi phí trả lãi và chi phí hoạt động tác động ngược chiều đến KNSL

Lê Đồng Duy Trung (2020) thực hiện nghiên cứu trong thời gian từ năm 2009 đến năm 2017 về các nhân tố tác động tới KNSL của 30 NHTM Việt Nam: tiếp cận theo mô hình thực nghiệm động Kết quả nghiên cứu chỉ ra quy mô và GDP tác động dương đến ROA nhưng không có ý nghĩa thống kê với ROE, tỷ lệ vốn ngân hàng tác động tích cực với ROA nhưng tiêu cực với ROE; tỷ lệ dư nợ cho vay, tỷ lệ tập trung thị trường tác động tiêu cực đến ROA nhưng không có ý nghĩa thống kê với ROE; dự phòng rủi ro tín dụng và chi phí hoạt động tác động tiêu cực đến ROA, ROE; thu nhập lãi cận biên, lạm phát tác động tích cực đến cả ROA và ROE

Nguyễn Thị Thanh Bình và cộng sự (2021) nghiên cứu các yếu tố tác động đến HQHĐ của 24 NHTM trong từ năm 2017 đến năm 2020 Bài nghiên cứu chỉ ra rằng ROA có mối quan hệ tích cực với quy mô ngân hàng và tỷ lệ cho vay trên tiền gửi khách hàng Trong khi đó, các yếu tố như chi phí hoạt động, dư nợ cho vay và hình thức sở hữu ngân hàng có mối quan hệ tiêu cực với ROA

Bùi Văn Trịnh và cộng sự (2023) thực hiện nghiên cứu một số yếu tố ảnh hưởng đến HQHĐ của 26 NHTM Việt Nam từ năm 2014 đến năm 2021 Kết quả nghiên cứu chỉ ra quy mô ngân hàng, tỷ lệ cho vay trên tiền gửi khách hàng tác động tích cực đến ROA và ROE; vốn ngân hàng tác động cùng chiều với ROA nhưng ngược chiều với ROE; số lượng thành viên hội đồng quản trị tác động tích cực đến ROA nhưng chưa khẳng định sự tác động đến ROE; tiền gửi khách hàng không ảnh hưởng đến hiệu quả hoạt động kinh doanh

Lê Thanh Ngọc và Lê Thị Hương Giang (2022) nghiên cứu HQHĐ của các NHTM Việt Nam trong bối cảnh chuyển đổi số giai đoạn 2011-2020 Nghiên cứu cho thấy tuổi đời ngân hàng tác động tích cực đến ROE nhưng không có ý nghĩa với ROA và NIM; vốn ngân hàng tác động tích cực đến ROA và NIM nhưng không có ý nghĩa với ROE; tỷ lệ thanh khoản tác động tích cực với cả ROA và ROE; dư nợ cho vay tác động tích cực đến cả ROA, ROE và NIM, yếu tố tồn tại ngân hàng số tác động tích cực đến ROA và ROE nhưng không có ý nghĩa với NIM; lạm phát tác động tích cực với ROA, ROE và NIM Trong khi đó, quy mô ngân hàng và GDP không có ý nghĩa thống kê

Bảng 2.1 Tổng kết các nghiên cứu về các yếu tố tác động đến KNSL của NHTM

Yếu tố Các nghiên cứu trước Kết quả

Isayas (2022); Farkasdi và cộng sự (2021);

Võ Phương Diễm (2016); Phạm Hải Nam (2020);

Lê Đồng Duy Trung (2020); Nguyễn Thị Thanh Bình và cộng sự (2021); Bùi Văn Trịnh và cộng sự (2023)

Vốn ngân hàng Gaber (2018); Isayas (2022); Mondol và Wadud

(2022); Võ Phương Diễm (2016); Phạm Hải Nam

(2020); Lê Đồng Duy Trung (2020); Bùi Văn Trịnh và cộng sự (2023); Lê Thanh Ngọc và Lê Thị Hương

Võ Phương Diễm (2016); Lê Đồng Duy Trung (2020); Bùi Văn Trịnh và cộng sự (2023)

Tuổi đời ngân hàng Isayas (2022) -

Dự phòng rủi ro tín dụng Phạm Hải Nam (2020); Lê Đồng Duy Trung (2020) -

Võ Phương Diễm (2016); Lê Thanh Ngọc và Lê Thị Hương Giang (2022); Nguyễn Thị Thanh Bình và cộng sự (2021); Bùi Văn Trịnh và cộng sự (2023)

Lê Đồng Duy Trung (2020); Mondol và Wadud

Thu nhập ngoài lãi Farkasdi và cộng sự (2021) +

Phạm Hải Nam (2020); Lê Thanh Ngọc và Lê Thị

Phạm Hải Nam (2020); Mondol và Wadud (2022) + Gaber (2018); Farkasdi và cộng sự (2021) -

Nợ xấu Ammar và Hana (2021) -

Võ Phương Diễm (2016); Phạm Hải Nam (2020);

Lê Đồng Duy Trung (2020); Nguyễn Thị Thanh Bình và cộng sự (2021)

Chi phí trả lãi Phạm Hải Nam (2020) -

Tốc độ tăng trưởng kinh tế

Lê Đồng Duy Trung (2020); Lê Thanh Ngọc và Lê

Ammar và Hana (2021); Isayas (2022); Mondol và

Nguồn: tác giả tổng hợp

THẢO LUẬN CÁC NGHIÊN CỨU TRƯỚC

Theo lược khảo các bài nghiên cứu trước đây chỉ nghiên cứu đến thời gian vào năm 2021 Trong khi đó, tình hình kinh tế thế giới nói chung và Việt Nam nói riêng vẫn có các biến động từng ngày Chính vì lẽ đó, bài nghiên cứu được tác giả kế thừa và thực hiện nghiên cứu tìm hiểu về chủ đề các yếu tố tác động đến KNSL của các

NHTM Việt Nam cập nhật trong thời gian mới nhất là đến năm 2023 Bên cạnh đó, biến nội bộ trong các bài nghiên cứu thường là quy mô ngân hàng, vốn ngân hàng, tiền gửi khách hàng, dư nợ cho vay và chi phí hoạt động Ở khóa luận này, tác giả bổ sung thêm biến nợ xấu vào mô hình nghiên cứu của mình Bên cạnh đó, chiều hướng tác động của các biến trong các bài nghiên cứu trước đến KNSL của các NHTM là khác nhau Do đó, tác giả thực hiện nghiên cứu nhằm đóng góp thêm bằng chứng thực nghiệm vào hệ thống cơ sở lý luận về các yếu tố tác động đến KNSL của các

Trong chương này, tác giả đưa ra khái niệm về KNSL và các cơ sở lý thuyết liên quan đến bài nghiên cứu, đồng thời đưa ra khái niệm và công thức đo lường của các chỉ tiêu phản ánh KNSL Bên cạnh đó, trong chương 2 cũng lược khảo các nghiên cứu thực nghiệm trong và ngoài nước liên quan đến đề tài Từ đó đưa ra thảo luận kết quả nghiên cứu và là cơ sở nền để thực hiện mô hình nghiên cứu ở chương 3.

PHƯƠNG PHÁP VÀ MÔ HÌNH NGHIÊN CỨU

GIẢ THUYẾT NGHIÊN CỨU

Trong chương 4 trình bày và diễn giải kết quả nghiên cứu đã thực hiện thông qua phần mềm STATA 17.0 Từ đó đưa ra thảo luận với các nghiên cứu thực nghiệm về các biến nghiên cứu và đưa ra lời giải thích về tác động của các biến độc lập lên biến phụ thuộc

CHƯƠNG 5: KẾT LUẬN VÀ ĐỀ XUẤT

Chương này đưa ra đánh giá, kết luận chung cho đề tài Bên cạnh đó, từ các phân tích được trình bày ở chương 4 sẽ được đút kết và đưa ra các đề xuất và kiến nghị phù hợp nhằm tăng trưởng KNSL cho các NHTM Việt Nam

Trong chương này tác giả đã giới thiệu tổng quan về đề tài nghiên cứu, lý do chọn đề tài, mục tiêu, câu hỏi nghiên cứu, đối tượng và phạm vi nghiên cứu, phương pháp nghiên cứu, đóng góp của đề tài và bố cục của đề tài Chương 1 là cơ sở để tác giả trình bày nghiên cứu ở các chương tiếp theo.

KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN

THỐNG KÊ MÔ TẢ DỮ LIỆU NGHIÊN CỨU

Khóa luận áp dụng phương pháp thống kê mô tả các biến nghiên cứu thông qua lệnh SUM trong phần mềm STATA để có được cái nhìn tổng quan về các biến nghiên cứu như tổng số quan sát, giá trị trung bình, độ lệch chuẩn, giá trị nhỏ nhất và giá trị lớn nhất Dữ liệu thứ cấp được thu thập từ 27 ngân hàng thương mại Việt Nam qua các báo cáo tài chính và phần mềm FiinPro-X cũng như các dữ liệu vĩ mô từ Tổng cục thống kê và Ngân hàng Thế giới giai đoạn 2011 - 2023 được thể hiện thông qua các biến nghiên cứu trong bảng 4.1 như sau:

Bảng 4.1 Thống kê mô tả các biến sử dụng trong mô hình

Giá trị trung bình Độ lệch chuẩn

Nguồn: Kết quả từ phần mềm stata 17.0

Theo kết quả thống kê từ bảng 4.1 cho thấy có tổng cộng 351 quan sát từ 27 ngân hàng thương mại Việt Nam trong vòng 13 năm cụ thể từ năm 2011 đến năm

Biến tỷ suất sinh lời trên tổng tài sản (ROA) có giá trị trung bình là 0,0092 và độ lệch chuẩn là 0,0081 Giá trị nhỏ nhất của biến ROA là -0,0599 thuộc về ngân hàng Tiên Phong (TPB) vào năm 2011 và giá trị biến ROA lớn nhất là ngân hàng Techcombank (TCB) đạt 0,0358 năm 2021

Biến tỷ suất sinh lời trên vốn chủ sở hữu (ROE) có giá trị trung bình là 0,1046 và độ lệch chuẩn là 0,0866 Giá trị nhỏ nhất của biến ROE là -0,5633 thuộc về ngân hàng Tiên Phong (TPB) vào năm 2012 và giá trị biến ROE lớn nhất là ngân hàng VIB đạt 0,3033 năm 2022

Biến SIZE thể hiện giá trị trung bình của quy mô ngân hàng thương mại là 32,5192; độ lệch chuẩn là 1,1891 Giá trị nhỏ nhất của biến SIZE là 30,2131 thuộc về ngân hàng Bảo Việt năm 2011 và giá trị biến SIZE lớn nhất là ngân hàng BIDV đạt 35,3720 năm 2023

Biến CAP thể hiện giá trị trung bình của vốn ngân hàng là 0,0920; độ lệch chuẩn là 0,0374 Giá trị nhỏ nhất của biến CAP là 0,0406 thuộc về ngân hàng BIDV năm 2017 và giá trị biến CAP lớn nhất là ngân hàng Sài Gòn Công Thương (SGB) đạt 0,2384 năm 2013

Biến LDR thể hiện giá trị trung bình của dư nợ cho vay là 0,8889, độ lệch chuẩn là 0,1834 Giá trị nhỏ nhất của biến LDR là 0,3633 thuộc về ngân hàng MSB năm 2014 và giá trị biến LDR lớn nhất là ngân hàng Bắc Á (BAB) đạt 1,7893 năm

Biến LLP thể hiện giá trị trung bình của dự phòng rủi ro tín dụng là 0,0134; độ lệch chuẩn là 0,0045 Giá trị nhỏ nhất của biến LLP là 0,0066 thuộc về ngân hàng Nam Á (NAB) năm 2013 và giá trị biến LLP lớn nhất là ngân hàng VPB đạt 0,0312 năm 2022

Biến DEP thể hiện giá trị trung bình của tiền gửi khách hàng là 0,6485; độ lệch chuẩn là 0,1171 Giá trị nhỏ nhất của biến DEP là 0,2508 thuộc về ngân hàng Tiên Phong (TPB) năm 2011 và giá trị biến DEP lớn nhất là ngân hàng Sacombank (STB) đạt 0,8937 năm 2015

Biến NPL thể hiện giá trị trung bình của nợ xấu là 0,0228; độ lệch chuẩn là 0,0212 Giá trị nhỏ nhất của biến NPL là 0,0019 thuộc về ngân hàng Kiên Long (KLB) năm 2012 và giá trị biến NPL lớn nhất là ngân hàng Quốc Dân (NVB) đạt 0,3035 năm 2023

Biến OPE thể hiện giá trị trung bình của chi phí hoạt động là 0,0164; độ lệch chuẩn là 0,0051 Giá trị nhỏ nhất của biến OPE là 0,0058 thuộc về ngân hàng SeABank (SSB) năm 2011 và giá trị biến OPE lớn nhất là ngân hàng Tiên Phong (TPB) đạt 0,0519 năm 2011

Biến GDP thể hiện giá trị trung bình của tốc độ tăng trưởng kinh tế là 0,0598; độ lệch chuẩn là 0,0161 Giá trị nhỏ nhất của biến GDP là 0,0256 năm 2021 và giá trị biến GDP cao nhất đạt 0,0801 năm 2022

Biến INF thể hiện giá trị trung bình của lạm phát là 0,0483; độ lệch chuẩn là 0,0448 Giá trị nhỏ nhất của biến INF là 0,006 năm 2015 và giá trị biến INF cao nhất đạt 0,1867 năm 2011.

MA TRẬN TƯƠNG QUAN VÀ KIỂM ĐỊNH ĐA CỘNG TUYẾN

Ma trận tương quan là một thống kê đo lường mối quan hệ tương quan giữa hai biến Hệ số tương quan có thể nằm trong khoảng từ -1 đến +1, với -1 biểu thị mối tương quan âm hoàn hảo, +1 biểu thị mối tương quan dương hoàn hảo Một biến tương quan với chính nó sẽ luôn có hệ số bằng 1 Hệ số tương quan bằng 0 (hoặc gần bằng 0) đồng nghĩa với việc hai biến không có mối quan hệ gì đến nhau Khi hệ số tương quan là âm, nghĩa là khi x tăng thì y giảm và ngược lại

Bảng 4.2 Ma trận tương quan (ROA)

ROA SIZE CAP LDR LLP DEP NPL OPE GDP INF

Kết quả ma trận tương quan ở bảng 4.2 cho thấy mối quan hệ giữa các biến ở mức chấp nhận được vì giá trị tuyệt đối của các hệ số tương quan của các biến đều nhỏ hơn 0,6; điều đó cho thấy các biến trong mô hình có tương quan thấp Các biến SIZE, CAP, LDR, LLP, OPE và INF có tương quan dương với biến phụ thuộc ROA; trong khi các biến còn lại như DEP, NPL và GDP có tương quan âm với ROA

Biến SIZE có tương quan dương với ROA là 0,3636 cho thấy mối quan hệ tích cực giữa SIZE và ROA, do đó quy mô ngân hàng càng lớn thì tỷ suất sinh lời trên tổng tài sản của ngân hàng càng cao

Biến CAP có tương quan dương với ROA là 0,2909 cho thấy mối quan hệ tích cực giữa CAP và ROA, do đó vốn ngân hàng càng lớn thì tỷ suất sinh lời trên tổng tài sản của ngân hàng càng cao

Biến LDR có tương quan dương với ROA là 0,4587 cho thấy mối quan hệ tích cực giữa LDR và ROA, do đó dư nợ cho vay càng lớn thì tỷ suất sinh lời trên tổng tài sản của ngân hàng càng cao

Biến NPL có tương quan âm với ROA là 0,1952 cho thấy mối quan hệ tiêu cực giữa NPL và ROA, do đó nợ xấu càng lớn thì tỷ suất sinh lời trên tổng tài sản của ngân hàng càng thấp

Bảng 4.3 Ma trận tương quan (ROE)

ROE SIZE CAP LDR LLP DEP NPL OPE GDP INF

Kết quả ma trận tương quan ở bảng 4.3 cho thấy mối quan hệ giữa các biến ở mức chấp nhận được vì giá trị tuyệt đối của các hệ số tương quan của các biến đều nhỏ hơn 0,6; điều đó cho thấy các biến trong mô hình có tương quan với nhau thấp

Các biến SIZE, LDR, LLP có tương quan dương với biến phụ thuộc ROE; trong khi các biến còn lại như CAP, DEP, NPL, OPE,

GDP và INF có tương quan âm với ROE. cực giữa SIZE và ROE, do đó quy mô ngân hàng càng lớn thì tỷ suất sinh lời trên vốn chủ sở hữu của ngân hàng càng cao

Biến LDR có tương quan dương với ROE là 0,3816 cho thấy mối quan hệ tích cực giữa LDR và ROE, do đó dư nợ cho vay càng lớn thì tỷ suất sinh lời trên vốn chủ sở hữu của ngân hàng càng cao

Biến NPL có tương quan âm với ROE là 0,2924 cho thấy mối quan hệ tiêu cực giữa NPL và ROE, do đó nợ xấu càng lớn thì tỷ suất sinh lời trên vốn chủ sở hữu của ngân hàng càng thấp

4.2.2 Kiểm định đa cộng tuyến Để kiểm tra mô hình nghiên cứu giữa các biến độc lập có xảy ra hiện tượng đa cộng tuyến hay không bằng cách kiểm định đa cộng tuyến trong mô hình nghiên cứu thông qua lệnh VIF trong phần mềm STATA Nếu kết quả VIF < 10 có nghĩa là mô hình nghiên cứu không có xảy ra đa cộng tuyến và ngược lại nếu kết quả nghiên cứu thu được chỉ số VIF > 10 nghĩa là mô hình nghiên cứu có hiện tượng đa cộng tuyến

Bảng 4.4 Kiểm định đa cộng tuyến

Nguồn: Kết quả từ phần mềm stata 17.0 các biến độc lập đều bé hơn 10 và bé hơn 4 theo điều kiện chặt của đa cộng tuyến

Có thể thấy VIF lớn nhất là 2,22 và nhỏ nhất là 1,03; VIF trung bình là 1,49 Do đó, mô hình không có hiện tượng đa cộng tuyến

4.3 KẾT QUẢ MÔ HÌNH HỒI QUY DỮ LIỆU BẢNG THEO PHƯƠNG PHÁP POOLED OLS, FEM VÀ REM

4.3.1 Kết quả mô hình hồi quy theo phương pháp Pooled OLS, FEM, REM với biến phụ thuộc ROA

Trong khóa luận, tác giả thực hiện hồi quy bằng phần mềm STATA 17.0 với ba phương pháp ước lượng Pooled OLS, FEM và REM để nhận diện và đánh giá tác động của 9 biến độc lập: SIZE, CAP, LDR, LLP, DEP, NPL, OPE, GDP và INF đến biến phụ thuộc ROA Kết quả hồi quy được trình bày ở bảng 4.5 như sau:

Bảng 4.5 Kết quả hồi quy theo Pooled OLS, FEM, và REM với biến phụ thuộc

Pooled OLS Mô hình FEM Mô hình REM

Ghi chú: *,**,***: hệ số có ý nghĩa thống kê lần lượt tại mức ý nghĩa 10%,

Kết quả mô hình hồi quy theo ba phương pháp ước lượng Pooled OLS, FEM, REM được trình bày tóm tắt trong bảng 4.5 phía trên Kết quả cho thấy với cả 3 phương pháp OLS, FEM, và REM, các yếu tố SIZE, CAP, LDR, LLP đều ảnh hưởng đến biến phụ thuộc với ý nghĩa thống kê cao ở mức ý nghĩa 1%, ngoại trừ biến GDP không có tác động đến biến phụ thuộc

Ngoài ra, biến DEP trong phương pháp OLS có ý nghĩa thống kê ở mức ý nghĩa 5% Tuy nhiên, ở hai phương pháp FEM và REM, biến DEP không có ý nghĩa thống kê

Biến NPL đều có ý nghĩa trong mô hình OLS và FEM với mức ý nghĩa lần lượt là 10% và 5% Tuy nhiên, ở phương pháp REM, biến NPL không có ý nghĩa thống kê

Biến OPE và INF đều không có ý nghĩa thống kê trong mô hình OLS nhưng lại có ý nghĩa thống kê cao ở mức 1% trong 2 mô hình FEM và REM

Dẫu giống nhau về một số kết quả hồi quy, tuy nhiên để đảm bảo tính vững, không chệch và hiệu quả thì tác giả thực hiện tiếp để lựa chọn mô hình phù hợp và thực hiện các kiểm định mô hình sau khi lựa chọn

4.3.2 Kết quả mô hình hồi quy theo phương pháp Pooled OLS, FEM, REM với biến phụ thuộc ROE

LỰA CHỌN MÔ HÌNH HỒI QUY GIỮA POOLED OLS, FEM VÀ

Để chọn được mô hình phù hợp, tác giả thực hiện kiểm định F-test giữa mô hình Pooled OLS và FEM để tìm ra mô hình phù hợp hơn Giả thuyết kiểm định là:

H 0 : Mô hình Pooled-OLS phù hợp hơn với các biến nghiên cứu

H 1 : Mô hình FEM phù hợp hơn với các biến nghiên cứu

Sau khi xử lý dữ liệu nghiên cứu và đưa vào phần mềm phân tích STATA, kết quả phân tích của hai mô hình lần lượt là:

Kết quả kiểm định ở bảng 4.7 cho thấy ở cả hai mô hình, Prob > F = 0,0000 nhỏ hơn 0,05 cho thấy bác bỏ giả thuyết H 0 , điều này có nghĩa là mô hình FEM phù hợp hơn với các biến nghiên cứu so với mô hình Pooled-OLS

Tiếp theo, để chọn được mô hình phù hợp hơn giữa Pooled OLS và REM, tác giả thực hiện kiểm định Breusch and Pagan Lagrangian Giả thuyết kiểm định là:

H 0 : Mô hình Pooled OLS phù hợp hơn với các biến nghiên cứu

H 1 : Mô hình REM phù hợp hơn với các biến nghiên cứu

Bảng 4.8 Kiểm định Breusch and Pagan Lagrangian

Kết quả kiểm định ở bảng 4.8 cho thấy cả hai mô hình có Prob > chibar2 0,0000 nhỏ hơn 0,05 cho thấy bác bỏ giả thuyết H 0 , điều này có nghĩa là mô hình REM phù hợp hơn với các biến nghiên cứu so với mô hình Pooled OLS

Cuối cùng, tác giả thực hiện kiểm định Hausman giữa mô hình FEM và REM để tìm ra mô hình phù hợp hơn Giả thuyết kiểm định là:

H 0 : Mô hình REM phù hợp hơn với các biến nghiên cứu

H 1 : Mô hình FEM phù hợp hơn với các biến nghiên cứu

Kết quả kiểm định ở bảng 4.9 cho thấy trong mô hình với biến phụ thuộc là ROA có Prob > chi2 = 0,0362 và trong mô hình với biến phụ thuộc là ROE có Prob

> chi2 = 0,0000; cả hai đều có giá trị Prob > chi2 nhỏ hơn 0,05 cho thấy bác bỏ giả thuyết H 0 , điều này có nghĩa là mô hình FEM phù hợp hơn với các biến nghiên cứu so với mô hình REM

Từ kết quả các kiểm định trên, có thể thấy FEM là mô hình thích hợp nhất để ước lượng Do đó, tác giả sẽ tiếp tục tiến hành các kiểm định khuyết tật có thể xảy ra trong mô hình (hiện tượng tự tương quan và phương sai sai số thay đổi) dựa trên kết quả hồi quy của mô hình FEM.

KIỂM ĐỊNH CÁC KHUYẾT TẬT MÔ HÌNH LỰA CHỌN

4.5.1 Hiện tượng tự tương quan Đầu tiên, để kiểm định xem mô hình lựa chọn có hiện tượng tự tương quan hay không, tác giả tiến hành thực hiện kiểm định Wooldridge Giả thuyết kiểm định như sau:

H 0 : mô hình không xảy ra hiện tượng tự tương quan

H 1 : mô hình xảy ra hiện tượng tự tương quan

Nguồn: Kết quả từ phần mềm stata 17.0 nhỏ hơn 0,05 cho thấy bác bỏ giả thuyết H 0 , điều này có nghĩa là ở cả 2 mô hình đã xảy ra hiện tượng tự tương quan

4.5.2 Hiện tượng phương sai sai số thay đổi

Tiếp theo, để kiểm định xem mô hình lựa chọn có hiện tượng phương sai sai số thay đổi hay không, tác giả tiến hành thực hiện kiểm định Modified Wald Giả thuyết kiểm định là:

H 0 : mô hình không xảy ra hiện tượng phương sai sai số thay đổi

H 1 : mô hình xảy ra hiện tượng phương sai sai số thay đổi

Bảng 4.11 Kiểm định Modified Wald

Kết quả kiểm định ở bảng 4.11 cho thấy ở cả 2 mô hình, Prob > F = 0,0000 nhỏ hơn 0,05 cho thấy bác bỏ giả thuyết H 0 , điều này có nghĩa là mô hình đã xảy ra hiện tượng phương sai sai số thay đổi

Từ các kiểm định được thực hiện để lựa chọn mô hình FEM là mô hình phù hợp nhất với các biến sử dụng trong bài nghiên cứu, tác giả tiếp tục thực hiện các kiểm định khuyết tật của mô hình thông qua kiểm định Wooldridge và Modified Wald, kết quả cho thấy mô hình đã xảy ra hiện tượng tự tương quan và phương sai sai số thay đổi Do đó, tác giả tiếp tục sử dụng phương pháp FGLS để khắc phục những khuyết tật của mô hình

Tác giả sử dụng phương pháp mô hình hồi quy bình phương tối thiểu tổng quát khả thi (FGLS) nhằm khắc phục các khuyết tật có trong mô hình được lựa chọn Kết quả của FGLS được thể hiện ở bảng 4.12 như sau:

Bảng 4.12 Kết quả ước lượng mô hình bằng phương pháp FGLS với biến phụ thuộc ROA

ROA Hệ số hồi quy Độ lệch chuẩn z P > z [95% Conf Interval]

Mô hình xây dựng bằng phương pháp FGLS với 351 quan sát trong khoảng thời gian 13 năm, mô hình có ý nghĩa thống kê vì Prob > chi2 = 0,000 < 0,05 Do đó, tác giả nhận định đây là kết quả ước lượng phù hợp cho khóa luận Trong mô hình nghiên cứu FGLS với biến phụ thuộc là ROA, các biến có ý nghĩa thống kê là SIZE, CAP, LLP, DEP, NPL, GDP và INF Trong đó các biến SIZE, CAP, GDP và INF có tác động tích cực đến ROA Ngược lại, biến LLP, DEP, NPL có tác động tiêu cực đến ROA Ngoài ra, biến LDR và OPE không có ý nghĩa thống kê trong mô hình khả năng sinh lời của ngân hàng thương mại theo biến phụ thuộc ROA trong giai đoạn

ROA = -0,1469+ 0,0046SIZE + 0,1145CAP – 0,1617LLP – 0,0055DEP – 0,0316NPL + 0,0175GDP + 0,0280INF + 𝜺 𝒊𝒕

Tương tự, tác giả thực hiện phương pháp FGLS với biến phụ thuộc là ROE để khắc phục các khuyết tật của mô hình nghiên cứu Kết quả được thể hiện thông qua bảng 4.13 như sau:

Bảng 4.13 Kết quả ước lượng mô hình bằng phương pháp FGLS với biến phụ thuộc ROE

ROE Hệ số hồi quy Độ lệch chuẩn z P > z [95% Conf Interval]

Mô hình xây dựng bằng phương pháp FGLS với cùng số quan sát là 351 trong

13 năm, mô hình có ý nghĩa thống kê vì Prob > chi2 = 0,000 < 0,05 Do đó, tác giả cứu FGLS với biến phụ thuộc là ROE, các biến có ý nghĩa thống kê là SIZE, CAP, NPL, GDP và INF Trong đó các biến SIZE, CAP, GDP và INF có tác động tích cực đến ROE Ngược lại, biến NPL có tác động tiêu cực đến ROE Ngoài ra, biến LDR, LLP, DEP và OPE không có ý nghĩa thống kê trong mô hình

Từ kết quả ước lượng thu được, mô hình nghiên cứu các yếu tố tác động đến khả năng sinh lời của ngân hàng thương mại theo biến phụ thuộc ROE trong giai đoạn

ROE = -1,6180 + 0,0515SIZE + 0,4416CAP – 0,5856NPL + 0,1780GDP + 0,3373INF + 𝜺 𝒊𝒕

4.7 BIẾN NỘI SINH VÀ PHƯƠNG PHÁP GMM

Mặc dù đã kiểm định mô hình được lựa chọn có các khuyết tật và đã được khắc phục bằng phương pháp FGLS Tuy nhiên, mô hình vẫn có thể tồn tại biến nội sinh mà phương pháp FGLS chưa thể khắc phục được Do đó, tác giả tiến hành kiểm định Wu – Hausman nhằm kiểm tra biến nội sinh cho 9 biến độc lập của mô hình nghiên cứu với giả thuyết như sau:

Kết quả kiểm định được thể hiện qua 2 bảng 4.14 và 4.15 như sau:

SIZE P = 0,0000 < 5% Bác bỏ giả thuyết H0

=> Biến SIZE là biến nội sinh

CAP P = 0,5895 > 5% Chấp nhận giả thuyết H0

=> Biến CAP là biến ngoại sinh

LDR P = 0,4735 > 5% Chấp nhận giả thuyết H0

=> Biến LDR là biến ngoại sinh

LLP P = 0,5123 > 5% Chấp nhận giả thuyết H0

=> Biến LLP là biến ngoại sinh

DEP P = 0,5443 > 5% Chấp nhận giả thuyết H0

=> Biến DEP là biến ngoại sinh

NPL P = 0,0363 < 5% Bác bỏ giả thuyết H0

=> Biến NPL là biến nội sinh

OPE P = 0,5606 > 5% Chấp nhận giả thuyết H0

=> Biến OPE là biến ngoại sinh

GDP P = 0,0033 < 5% Bác bỏ giả thuyết H0

=> Biến GDP là biến nội sinh

INF P = 0,0416 < 5% Bác bỏ giả thuyết H0

=> Biến INF là biến nội sinh

CAP P = 0,0074 < 5% Bác bỏ giả thuyết H0

=> Biến CAP là biến nội sinh

INF P = 0,2531 > 5% Chấp nhận giả thuyết H0

=> Biến INF là biến ngoại sinh

Sau khi tiến hành kiểm định biến nội sinh, ta nhận thấy cả hai mô hình đều chứa biến nội sinh Cụ thể trong mô hình với biến phụ thuộc là ROA, tồn tại biến SIZE, NPL, GDP và INF là biến nội sinh Trong đó, mô hình với biến phụ thuộc là ROE tồn tại biến SIZE, CAP, NPL và GDP là biến nội sinh Do đó, để khắc phục các biến nội sinh có trong mô hình, tác giả sử dụng phương pháp GMM

Tác giả sử dụng phương pháp ước lượng tổng quát khoảnh khắc (Generalized Method of Moments – GMM) để khắc phục hiện tượng biến nội sinh và thông qua phần mềm STATA 17.0, kết quả phân tích hồi quy theo GMM được trình bày ở bảng 4.16 như sau:

Bảng 4.16 Kết quả phân tích hồi quy GMM với biến phụ thuộc ROA

Arellano-Bond test for AR(2) in first differences Pr > z = 0,196

Sargan test of overid restrictions Prob > chi2 = 0,224 Hansen test of overid restrictions Prob > chi2 = 0,446

Dựa trên kết quả mô hình hồi quy GMM ở bảng 4.16 cho thấy số công cụ trong mô hình hồi quy không vượt quá số nhóm nghiên cứu (25 < 27), giá trị P trong kiểm định AR(2) là 19,6% > 10% Tiếp theo giá trị P trong kiểm định Sargan và Hansen mãn cả 4 điều kiện trên cho thấy mô hình phù hợp, hiệu quả và có độ chính xác cao Sau khi kiểm soát biến nội sinh có trong mô hình nghiên cứu, kết quả thu được từ GMM có hệ số hồi quy khác với kết quả thu được từ FGLS Cụ thể mô hình hồi quy được viết lại như sau:

ROA = -0,0982 + 0,0032SIZE + 0,0975CAP + 0,4147LLP – 0,0319DEP – 0,0463NPL + 0,4422OPE – 0,0182GDP + 𝜺 𝒊𝒕

Nếu xét dữ liệu bảng động và xét nội sinh, mô hình chấp nhận 7 biến độc lập có ý nghĩa thống kê tác động đến biến ROA Trong đó:

Biến SIZE có tác động tích cực lên biến phụ thuộc ROA Trong điều kiện các yếu tố khác không đổi, khi biến SIZE tăng 1 đơn vị thì biến ROA tăng 0,0032 đơn vị

BIẾN NỘI SINH VÀ PHƯƠNG PHÁP GMM

Mặc dù đã kiểm định mô hình được lựa chọn có các khuyết tật và đã được khắc phục bằng phương pháp FGLS Tuy nhiên, mô hình vẫn có thể tồn tại biến nội sinh mà phương pháp FGLS chưa thể khắc phục được Do đó, tác giả tiến hành kiểm định Wu – Hausman nhằm kiểm tra biến nội sinh cho 9 biến độc lập của mô hình nghiên cứu với giả thuyết như sau:

Kết quả kiểm định được thể hiện qua 2 bảng 4.14 và 4.15 như sau:

CAP P = 0,5895 > 5% Chấp nhận giả thuyết H0

=> Biến CAP là biến ngoại sinh

INF P = 0,0416 < 5% Bác bỏ giả thuyết H0

=> Biến INF là biến nội sinh

CAP P = 0,0074 < 5% Bác bỏ giả thuyết H0

=> Biến CAP là biến nội sinh

INF P = 0,2531 > 5% Chấp nhận giả thuyết H0

=> Biến INF là biến ngoại sinh

Sau khi tiến hành kiểm định biến nội sinh, ta nhận thấy cả hai mô hình đều chứa biến nội sinh Cụ thể trong mô hình với biến phụ thuộc là ROA, tồn tại biến SIZE, NPL, GDP và INF là biến nội sinh Trong đó, mô hình với biến phụ thuộc là ROE tồn tại biến SIZE, CAP, NPL và GDP là biến nội sinh Do đó, để khắc phục các biến nội sinh có trong mô hình, tác giả sử dụng phương pháp GMM

Tác giả sử dụng phương pháp ước lượng tổng quát khoảnh khắc (Generalized Method of Moments – GMM) để khắc phục hiện tượng biến nội sinh và thông qua phần mềm STATA 17.0, kết quả phân tích hồi quy theo GMM được trình bày ở bảng 4.16 như sau:

Bảng 4.16 Kết quả phân tích hồi quy GMM với biến phụ thuộc ROA

Dựa trên kết quả mô hình hồi quy GMM ở bảng 4.16 cho thấy số công cụ trong mô hình hồi quy không vượt quá số nhóm nghiên cứu (25 < 27), giá trị P trong kiểm định AR(2) là 19,6% > 10% Tiếp theo giá trị P trong kiểm định Sargan và Hansen mãn cả 4 điều kiện trên cho thấy mô hình phù hợp, hiệu quả và có độ chính xác cao Sau khi kiểm soát biến nội sinh có trong mô hình nghiên cứu, kết quả thu được từ GMM có hệ số hồi quy khác với kết quả thu được từ FGLS Cụ thể mô hình hồi quy được viết lại như sau:

ROA = -0,0982 + 0,0032SIZE + 0,0975CAP + 0,4147LLP – 0,0319DEP – 0,0463NPL + 0,4422OPE – 0,0182GDP + 𝜺 𝒊𝒕

Nếu xét dữ liệu bảng động và xét nội sinh, mô hình chấp nhận 7 biến độc lập có ý nghĩa thống kê tác động đến biến ROA Trong đó:

Biến SIZE có tác động tích cực lên biến phụ thuộc ROA Trong điều kiện các yếu tố khác không đổi, khi biến SIZE tăng 1 đơn vị thì biến ROA tăng 0,0032 đơn vị

Biến CAP có tác động tích cực lên biến phụ thuộc ROA Trong điều kiện các yếu tố khác không đổi, khi biến CAP tăng 1 đơn vị thì biến ROA tăng 0,0975 đơn vị

Biến LLP có tác động tích cực lên biến phụ thuộc ROA Trong điều kiện các yếu tố khác không đổi, khi biến LLP tăng 1 đơn vị thì biến ROA tăng 0,4147 đơn vị

Biến DEP có tác động tiêu cực lên biến phụ thuộc ROA Trong điều kiện các yếu tố khác không đổi, khi biến DEP tăng 1 đơn vị thì biến ROA giảm 0,0319 đơn vị

Biến NPL có tác động tiêu cực lên biến phụ thuộc ROA Trong điều kiện các yếu tố khác không đổi, khi biến NPL tăng 1 đơn vị thì biến ROA giảm 0,0463 đơn vị

Biến OPE có tác động tích cực lên biến phụ thuộc ROA Trong điều kiện các yếu tố khác không đổi, khi biến OPE tăng 1 đơn vị thì biến ROA tăng 0,4422 đơn vị

Biến GDP có tác động tiêu cực lên biến phụ thuộc ROA Trong điều kiện các yếu tố khác không đổi, khi biến GDP tăng 1 đơn vị thì biến ROA giảm 0,0182 đơn vị

Ngoài ra theo kết quả nghiên cứu trên, biến LDR và INF không có ý nghĩa thống kê trong mô hình nghiên cứu nên tác giả không có cở sở kết luận tác động của

2 biến này lên biến phụ thuộc ROA

ROE Hệ số hồi quy Độ lệch chuẩn z P > z [95% Conf Interval]

Dựa trên kết quả mô hình hồi quy GMM ở bảng 4.17 cho thấy số công cụ trong mô hình hồi quy không vượt quá số nhóm nghiên cứu (25 < 27), giá trị P trong kiểm định AR(2) là 18,3% > 10% Tiếp theo giá trị P trong kiểm định Sargan và Hansen lần lượt là 89,3% và 88,6% đều lớn hơn 10% Do đó mô hình hồi quy GMM thỏa mãn cả 4 điều kiện trên cho thấy mô hình phù hợp, hiệu quả và có độ chính xác cao Sau khi kiểm soát biến nội sinh có trong mô hình nghiên cứu, kết quả thu được từ được viết lại như sau:

ROE = 0,0421– 1,7243CAP + 0,1226LDR– 0,1467DEP – 1,0053NPL + 4,9927OPE - 0,5664INF + 𝜺 𝒊𝒕

Nếu xét dữ liệu bảng động và xét nội sinh, mô hình chấp nhận 6 biến độc lập có ý nghĩa thống kê tác động đến biến ROE Trong đó:

Biến CAP có tác động tiêu cực lên biến phụ thuộc ROE Trong điều kiện các yếu tố khác không đổi, khi biến CAP tăng 1 đơn vị thì biến ROE giảm 1,7243 đơn vị

Biến LDR có tác động tích cực lên biến phụ thuộc ROE Trong điều kiện các yếu tố khác không đổi, khi biến LDR tăng 1 đơn vị thì biến ROE tăng 0,1226 đơn vị

THẢO LUẬN KẾT QUẢ NGHIÊN CỨU

5.1 KẾT LUẬN Đề tài nghiên cứu các yếu tố tác động đến KNSL của các NHTM Việt Nam từ năm 2011 đến năm 2023 Dữ liệu dạng bảng được thu thập từ các BCTC và BCTN được công bố trên website của 27 ngân hàng và từ các nguồn tham khảo từ FiinPro-X và Vietstock với tổng số 351 quan sát Nghiên cứu sử dụng phương pháp định tính thu thập, tổng hợp các nghiên cứu thực nghiệm của các tác giả trong và ngoài nước để kế thừa, so sánh và áp dụng những quan điểm về đánh giá, đo lường KNSL của ngân hàng và đưa ra mô hình tổng quát phù hợp cho nghiên cứu và nghiên cứu cũng sử dụng phương pháp định lượng phân tích mô hình hồi quy dữ liệu bảng với 3 phương pháp Pooled OLS, FEM và REM Sau đó tác giả thực hiện các kiểm định như F-test, Breusch and Pagan Lagrangian, Hausman để lựa chọn được mô hình phù hợp nhất Sau khi lựa chọn được mô hình phù hợp, tác giả thực hiện tiếp các kiểm định như Wooldrige và Modified Wald để kiểm tra sự tự tương quan và phương sai sai số thay đổi trong mô hình được chọn Sau đó tác giả thực hiện phương pháp FGLS để khắc phục những khuyết tật tồn tại trong mô hình Cuối cùng tác giả thực hiện phương pháp GMM để khắc phục các biến nội sinh trong mô hình

Kết quả nghiên cứu của khóa luận đã cho thấy nhiều yếu tố mang tính đặc thù của hệ thống NHTM tác động đến KNSL trong giai đoạn 2011 đến 2023 bao gồm quy mô ngân hàng (SIZE), vốn ngân hàng (CAP), dư nợ cho vay (LDR), dự phòng rủi ro tín dụng (LLP), tiền gửi khách hàng (DEP), nợ xấu (NPL), chi phí hoạt động (OPE) và thêm vào đó là biến vĩ mô tốc độ tăng trưởng kinh tế (GDP), tỷ lệ lạm phát (INF) Cụ thể, chi phí hoạt động có tác động tích cực đến KNSL của NHTM Ngược lại các yếu tố như tiền gửi khách hàng, nợ xấu có tác động tiêu cực đến KNSL của các ngân hàng Bên cạnh đó, kết quả còn chỉ ra quy mô ngân hàng, dự phòng rủi ro tín dụng có tác động tích cực đến ROA nhưng lại không có ý nghĩa thống kê đối với ROE Vốn ngân hàng có tác động tích cực đến ROA nhưng lại tác động tiêu cực đến

Tiêu đề	Các Yếu Tố Tác Động Đến Khả Năng Sinh Lời Của Các Ngân Hàng Thương Mại Việt Nam
Tác giả	Trương Bích Trân
Người hướng dẫn	TS. Phạm Hải Nam
Trường học	Trường Đại Học Ngân Hàng Tp. Hồ Chí Minh
Chuyên ngành	Tài Chính – Ngân Hàng
Thể loại	Khóa Luận Tốt Nghiệp Đại Học
Năm xuất bản	2024
Thành phố	Tp. Hồ Chí Minh

Định dạng
Số trang	118
Dung lượng	8,22 MB