Dựa vào kết quả nghiên cứu có được, khóa luận góp phần đề xuất một số hàm ý quản trị nhằm đảm bảo hệ số an toàn vốn và duy trì hiệu quả hoạt động kinh doanh của các Ngân hàng thương mại
GIỚI THIỆU ĐỀ TÀI NGHIÊN CỨU
LÝ DO CHỌN ĐỀ TÀI
Ngành ngân hàng đóng vai trò chủ đạo trong kinh tế, là động lực thúc đẩy tăng trưởng trong những năm gần đây Ngân hàng Nhà nước (NHNN), với vai trò cơ quan chủ đạo của hệ thống ngân hàng, đã có những đóng góp to lớn trong việc ổn định kinh tế vĩ mô, kiểm soát lạm phát và đạt được các mục tiêu tăng trưởng NHNN thực hiện điều này thông qua việc điều hành chính sách tiền tệ linh hoạt, ngay cả trong bối cảnh thị trường biến động phức tạp Các nhà kinh tế học tiền tệ tin rằng khủng hoảng ngân hàng có thể dẫn đến khủng hoảng tài chính toàn diện Sự ổn định của hệ thống ngân hàng và cơ sở hạ tầng tài chính sẽ bị đe dọa nghiêm trọng nếu ngân hàng trung ương không can thiệp kịp thời (Williams, 2011)
Các tổ chức quốc tế đặc biệt quan tâm đến hệ số an toàn vốn (CAR), được xem như một chỉ số quan trọng để ngân hàng và nhà đầu tư đánh giá mức độ rủi ro của từng tổ chức tài chính, được các chuyên gia hàng đầu trong lĩnh vực ngân hàng thuộc Ủy ban Basel về Giám sát Ngân hàng (BCBS) xây dựng và phát triển (Milli và cộng sự, 2017) Việc áp dụng tiêu chuẩn Basel là một trong những xu thế tất yếu và bắt buộc khi Việt Nam gia nhập vào nền kinh tế thế giới Vào năm 2004, Basel II được giới thiệu bởi Ủy ban Basel, với mục đích xác định các tiêu chuẩn vốn nhằm giới hạn rủi ro kinh doanh của các ngân hàng và tăng cường hệ thống tài chính, nó có hiệu lực từ năm 2007 và kết thúc thời gian chuyển đổi đến năm 2010 Basel II đã bắt đầu triển khai từ trước năm 2008 và chỉ được áp dụng rộng rãi tại các nền kinh tế lớn sau cuộc khủng hoảng tài chính toàn cầu năm 2007-2008 Trong khi Basel III đang được phát triển, Basel II vẫn là tiêu chuẩn cao nhất và đã được áp dụng nhanh chóng tại nhiều quốc gia, bao gồm cả Hoa Kỳ, Anh Quốc và Việt Nam
Thực tế trong thời gian qua, năm 2014 NHNN quy định CAR tối thiểu 9% cho tất cả ngân hàng thương mại (NHTM) trong nước, liên doanh và chi nhánh ngân hàng nước ngoài Đến năm 2016, NHNN giảm CAR tối thiểu xuống 8% để phù hợp với Basel II Nhưng đến năm 2019, NHNN ban hành Thông tư 22/2019/TT-NHNN yêu cầu tỷ lệ an toàn vốn tối thiểu là 9% Số lượng NHTM tăng nhanh trong 20 năm qua dẫn đến cạnh tranh gay gắt, cạnh tranh không lành mạnh ảnh hưởng đến sự ổn định và chất lượng của ngành ngân hàng Do đó, hiệu quả hoạt động của một số NHTM sa sút, dẫn đến việc sáp nhập, hợp nhất, mua lại theo chỉ đạo của NHNN Việc áp dụng Basel II với yêu cầu CAR cao và đệm vốn nghiêm ngặt còn nhiều thách thức cho NHTM Việt Nam do sự cạnh tranh gay gắt và năng lực tài chính của một số NHTM chưa đáp ứng đủ điều kiện Thống kê của NHNN, tính đến cuối tháng 1/2024, hệ số CAR của các tổ chức tài chính, chi nhánh ngân hàng nước ngoài tuân thủ theo Thông tư 41/2016/TT-NHNN đạt 11,84%, cụ thể nhóm NHTM Nhà nước đạt 9,72%, nhóm ngân hàng TMCP đạt 11,89%
Với tầm quan trọng của hệ số an toàn vốn CAR cũng như hiện trạng các ngân hàng tại Việt Nam hiện nay, việc tìm hiểu các yếu tố ảnh hưởng đến CAR của các ngân hàng thương mại cổ phần (TMCP) tại Việt Nam là hết sức cần thiết, tìm ra các tác nhân ảnh hưởng lớn đến hệ số CAR, đề ra những biện pháp hợp lý nhằm ổn định hoạt động của hệ thống ngân hàng, qua đó góp phần nền kinh tế của Việt Nam.
MỤC TIÊU NGHIÊN CỨU
Nghiên cứu các yếu tố tác động đến hệ số an toàn vốn tại các ngân hàng TMCP Việt Nam Từ kết quả nghiên cứu đề xuất các hàm ý quản trị nhằm đảm bảo hệ số an toàn vốn và duy trì hiệu quả hoạt động kinh doanh tại các ngân hàng TMCP Việt Nam
Thứ nhất, xác định các yếu tố ảnh hưởng đến hệ số an toàn vốn của các ngân hàng TMCP tại Việt Nam
Thứ hai, mức độ ảnh hưởng của những yếu tố đó lên hệ số an toàn vốn của các ngân hàng TMCP tại Việt Nam
Thứ ba, đề xuất một số hàm ý quản trị nhằm đảm bảo hệ số an toàn vốn và duy trì hiệu quả hoạt động kinh doanh của các ngân hàng TMCP Việt Nam.
CÂU HỎI NGHIÊN CỨU
Để đạt được mục tiêu nghiên cứu đã đề ra, cần tìm ra câu trả lời cho các câu hỏi sau:
- Những yếu tố tác động đến hệ số an toàn vốn của các Ngân hàng TMCP tại Việt Nam như thế nào?
- Mức độ tác động của những yếu tố đó lên hệ số an toàn vốn của các Ngân hàng TMCP tại Việt Nam ra sao ?
- Các hàm ý quản trị nào nhằm đảm bảo hệ số an toàn vốn và duy trì hiệu quả hoạt động kinh doanh của các ngân hàng TMCP Việt Nam?
ĐỐI TƯỢNG VÀ PHẠM VI NGHIÊN CỨU
Các yếu tố ảnh hưởng đến hệ số an toàn vốn tại các NHTMCP tại Việt Nam
Phạm vi về không gian: Khóa luận được thực hiện với 27 ngân hàng TMCP tại Việt Nam vì 27 ngân hàng này có đầy đủ số liệu trong khoảng thời gian 2014-
Phạm vi về thời gian: Dữ liệu thứ cấp lấy từ các báo cáo tài chính được kiểm toán của 27 ngân hàng TMCP Việt Nam giai đoạn 2014-2023 được tải trên phần mềm Fiinpro-X.
PHƯƠNG PHÁP NGHIÊN CỨU
Khóa luận dữ liệu thức cấp được thu thập từ báo cáo tài chính của các ngân hàng tải từ Fiinpro-X trong giai đoạn 2014-2023 Các các chỉ số kinh tế vĩ mô liên quan đến hoạt động của ngân hàng TMCP Việt Nam trong thời gian nghiên cứu được thu thập từ trang Ngân hàng Thế giới (WorldBank) Mẫu nghiên cứu gồm 27 ngân hàng TMCP đang hoạt động tại Việt Nam
Về phương pháp nghiên cứu, khóa luận sử dụng 2 phương pháp nghiên cứu là phương pháp định tính và phương pháp định lượng
- Phương pháp nghiên cứu định tính: tóm tắt, hệ thống hóa và phân tích thông tin thu thập được từ các nguồn tài liệu So sánh CAR của các ngân hàng TMCP Việt Nam trong giai đoạn nghiên cứu và so sánh với các nước khác trong khu vực và trên thế giới để hiểu rõ hơn về khái niệm CAR, sự ảnh hưởng của CAR đối với hoạt động của ngân hàng TMCP
- Phương pháp nghiên cứu định lượng: Thông qua phần mềm Stata 17.0, tiến hành phân tích hồi quy bội, phương pháp kiểm định là các hồi quy mô hình Pooled OLS, Fixed Effect, Random Effect Sau đó kiểm định sự phù hợp của các mô hình để lựa chọn mô hình phù hợp Cuối cùng, kiểm định và khắc phục khuyết tật mô hình bằng phương pháp bình phương tối thiểu tổng quát khả thi để xác định các yếu tố ảnh hưởng đến CAR của các ngân hàng TMCP Việt Nam.
ĐÓNG GÓP NGHIÊN CỨU
Về mặt lý luận: xác định các yếu tố cốt lõi ảnh hưởng đến hệ số CAR của ngân hàng TMCP Việt Nam các năm 2014 –2023, nghiên cứu góp phần tổng quan cơ sở lý thuyết về các yếu tố ảnh hưởng đến hệ số CAR của các ngân hàng TMCP
Về mặt thực tiễn: khóa luận sử dụng dữ liệu thực tế của ngân hàng TMCP Việt Nam giai đoạn 2014-2023 để minh chứng tác động của các yếu tố đến CAR Từ đó, đưa ra các khuyến nghị giúp ngân hàng TMCP Việt Nam nâng cao CAR, đảm bảo an toàn hoạt động và góp phần phát triển kinh tế đất nước.
NỘI DUNG NGHIÊN CỨU
Bài nghiên cứu bao gồm 5 chương:
Chương 1: Giới thiệu đề tài nghiên cứu
Trong chương này sẽ giới thiệu về các vấn đề tổng thể của bài nghiên cứu như: lý do chọn đề tài, mục tiêu của đề tài, câu hỏi nghiên cứu, phương pháp nghiên cứu, đóng góp của nghiên cứu.
CƠ SỞ LÝ THUYẾT VÀ TỔNG QUAN NGHIÊN CỨU
Basel I: Hiệp định vốn Basel
Ủy ban từ lâu đã tập trung vào vấn đề an toàn vốn, với mục tiêu giám sát sự an toàn của hoạt động ngân hàng quốc tế Với sự khởi đầu của cuộc khủng hoảng nợ ở Mỹ Latinh vào đầu những năm 1980, các nhà chức trách đã nêu lên mối lo ngại rằng tỷ lệ vốn của các ngân hàng quốc tế lớn ngày càng trở nên khó cân bằng trước những rủi ro ngày càng gia tăng Với sự trợ giúp của các Thống đốc G10, các thành viên Ủy ban đã quyết tâm tăng cường tính hiệu quả của các tiêu chuẩn vốn trong hệ thống ngân hàng của họ và hướng tới sự nhất quán trong việc đo lường mức độ an toàn vốn Ủy ban nhận thấy rõ nhu cầu cấp bách về một hiệp ước xuyên quốc gia để loại bỏ cạnh tranh không công bằng do sự khác nhau trong yêu cầu an toàn vốn của các quốc gia Sau khi phát hành tài liệu tham vấn (BCBS, 1987), hệ thống đo lường vốn được gọi là "Hiệp ước vốn Basel" đã được các thống đốc G10 kí kết và công bố vào tháng 7 năm 1988
Hiệp ước 1988 yêu cầu hệ số an toàn vốn tối thiểu là 8% tính trên tài sản có trọng số rủi ro (RWA) và yêu cầu các quốc gia thành viên thực hiện vào cuối năm
1992 Cuối cùng, khuôn khổ này không chỉ được áp dụng ở các quốc gia thành viên mà còn ở hầu hết các quốc gia có ngân hàng quốc tế hoạt động Vào tháng 9 năm
1993, Ủy ban đã ban hành một thông báo chính thức xác nhận rằng các yêu cầu tối thiểu đặt ra trong Hiệp ước đã được hệ thống ngân hàng của các nước G10 có hoạt động quốc tế đáp ứng đầy đủ
Hiệp định Basel I, mặc dù là bước tiến quan trọng trong việc thiết lập quy định vốn cho ngân hàng quốc tế, nhưng vẫn còn một số điểm yếu Thứ nhất là phân cấp rủi ro tín dụng bị hạn chế Chỉ phân biệt 4 mức độ rủi ro cho các khoản vay (0%, 20%, 50%, 100%) dựa trên tỷ lệ vốn tối thiểu 8% mà không phân biệt đầy đủ mức độ rủi ro khác nhau giữa các khoản vay, dẫn đến việc đánh giá rủi ro không chính xác và thiếu hiệu quả Thứ hai, hiệp định ban đầu không đề cập đến rủi ro thị trường, vốn ngày càng trở nên quan trọng, điều này có thể dễ dàng che giấu rủi ro thị trường và tạo ra nguy cơ cho hệ thống tài chính Cuối cùng, Basel I có tính chất khá cứng nhắc và không thích ứng được với những thay đổi nhanh chóng của thị trường và môi trường kinh tế, khiến cho việc quản lý rủi ro của các ngân hàng trở nên khó khăn hơn và có thể dẫn đến những rủi ro hệ thống.
Basel III: Ứng phó cuộc khủng hoảng tài chính 2007-2009 10 2.2 TỔNG QUAN VỀ HỆ SỐ AN TOÀN VỐN
Bài nghiên cứu bao gồm 5 chương:
Chương 1: Giới thiệu đề tài nghiên cứu
Trong chương này sẽ giới thiệu về các vấn đề tổng thể của bài nghiên cứu như: lý do chọn đề tài, mục tiêu của đề tài, câu hỏi nghiên cứu, phương pháp nghiên cứu, đóng góp của nghiên cứu
Chương 2: Cơ sở lý thuyết và tổng quan nghiên cứu
Tổng quan các đề tài cùng chủ đề nhằm tìm ra những thiếu sót và đề xuất các biến nghiên cứu Chương này sẽ trình bày về khái niệm, tầm quan trọng của CAR và các yếu tố có ảnh hưởng đến hệ số CAR
Chương 3: Mô hình nghiên cứu
Trong chương này sẽ trình bài về phương pháp nghiên cứu, quy trình nghiên cứu, công cụ xử lý dữ liệu và các kỹ thuật phân tích dữ liệu dùng trong quá trình nghiên cứu, nguồn dữ liệu và cách chọn dữ liệu
Chương 4: Kết quả nghiên cứu và thảo luận kết quả
Kết quả nghiên cứu sẽ được trình bày và giải thích trong chương này thông qua việc phân tích các dữ liệu đã được thu thập thông qua phần mềm Stata, bao gồm: Kết quả thống kê mô tả, giải thích sự tương quan giữa các biến, kiểm định các giả thuyết Từ đó đưa ra kết luận về mức độ ảnh hưởng của các biến độc lập đến biến phụ thuộc
Chương 5: Kết luận và hàm ý quản trị Ở chương này, các kết luận liên quan về các vấn đề nghiên cứu sẽ được rút ra và trình bày trong chương này Từ đó, đề xuất một số giải pháp phù hợp cho các ngân hàng TMCP Việt Nam về duy trì và bảo đảm về hệ số CAR
Chương này, khóa luận đã nêu ra đề tài nghiên cứu một cách tổng quan gồm lý do chọn đề tài, mục tiêu nghiên cứu, câu hỏi nghiên cứu, đối tượng và phạm vi nghiên cứu, phương pháp nghiên cứu, nội dung và đóng góp của nghiên cứu Các định hướng này là tiền đề để làm rõ các yếu tố này tới CAR ở chương tiếp theo
CHƯƠNG 2 CƠ SỞ LÝ THUYẾT VÀ TỔNG QUAN
2.1 TỔNG QUAN VỀ NGÂN HÀNG THƯƠNG MẠI VÀ CÁC HOẠT ĐỘNG CỦA NGÂN HÀNG THƯƠNG MẠI
Khái niệm về Ngân hàng thương mại
Theo Luật Các tổ chức Tín dụng Việt Nam (2010) đã quy định “Ngân hàng thương mại là loại hình ngân hàng được thực hiện tất cả hoạt động ngân hàng và hoạt động kinh doanh khác theo quy định của Luật này nhằm mục tiêu lợi nhuận.”
Theo Haubrich (2020), NHTM là cầu nối thiết yếu có vai trò chủ chốt trong nền kinh tế, nhận tiền gửi và sử dụng nguồn vốn huy động được để hỗ trợ tài chính cho khách hàng Nhờ chênh lệch lãi suất tiền gửi và lãi suất cho vay, ngân hàng thu được lợi nhuận và tạo ra nguồn thu nhập chính cho hoạt động của mình Ngoài ra, NHTM còn cung cấp nhiều dịch vụ tài chính khác cho khách hàng, như tư vấn tài chính, ngoại hối, dịch vụ thẻ, dịch vụ thanh toán,… Hoạt động của NHTM được quản lý chặt chẽ bởi cơ quan Chính phủ thông qua hệ thống luật pháp và quy định Việc tuân thủ các quy định này có thể ảnh hưởng đến hiệu quả hoạt động của NHTM, tuy nhiên, nó đóng vai trò quan trọng trong việc duy trì sự ổn định và an toàn cho hệ thống tài chính và bảo vệ quyền lợi của khách hàng
Như vậy, NHTM có đóng góp thiết yếu trong nền kinh tế, là trung gian tài chính cung cấp dịch vụ ngân hàng, thanh toán, cấp tín dụng cho cá nhân và tổ chức và tạo tiền với mục tiêu lợi nhuận Hoạt động của NHTM được quản lý chặt chẽ bởi Chính phủ nhằm đảm bảo an toàn, ổn định và hiệu quả cho hệ thống tài chính
Các hoạt động kinh doanh của ngân hàng thương mại
Do đặc thù hoạt động và ảnh hưởng mạnh mẽ từ Chính phủ và nhu cầu công chúng, Luật Các tổ chức tín dụng số 47/2010/QH12 quy định cụ thể về hoạt động kinh doanh của NHTM tại Điều 98:
Huy động vốn: NHTM huy động vốn từ công chúng dưới nhiều hình thức đa dạng như tiền gửi tiết kiệm, chứng chỉ tiền gửi
Cấp tín dụng: Hoạt động cốt lõi của NHTM là cung cấp tín dụng cho khách hàng dưới nhiều hình thức như bao thanh toán, cho vay, tái chiết khấu, thư tín dụng và các hình thức khác theo quy định
Cung ứng dịch vụ thanh toán: NHTM cung cấp các dịch vụ thanh toán đa dạng cho khách hàng thông qua tài khoản ngân hàng, phục vụ nhu cầu thanh toán hàng hóa dưới những hình thức như ủy nhiệm chi, ủy nhiệm thu, thanh toán bằng séc, lệch chi, thẻ ngân hàng và các dịch vụ thanh toán khác
Hiệp định Basel về hệ số an toàn vốn Ủy ban Basel về Giám sát Ngân hàng (BCBS) được thành lập vào cuối năm
1974 bởi các thống đốc của Nhóm G10 Ban đầu được thành lập như một nền tảng để các quốc gia chia sẻ kinh nghiệm và hợp tác trong lĩnh vực giám sát ngân hàng, hướng đến việc xây dựng tiêu chuẩn giám sát chung cho toàn cầu, BCBS đã trở thành một nhân tố chủ chốt trong việc định hình các quy định ngân hàng toàn cầu (Bank for International Settlements, 2017)
Một trong những đóng góp quan trọng nhất của BCBS là phát triển một loạt các quy định ngân hàng quốc tế Nổi bật các sản phẩm có sự thay đổi quan trọng về các Hiệp định về hệ số CAR được gọi là Basel I, Basel II và Basel III
2.1.3.1 Basel I: Hiệp định vốn Basel Ủy ban từ lâu đã tập trung vào vấn đề an toàn vốn, với mục tiêu giám sát sự an toàn của hoạt động ngân hàng quốc tế Với sự khởi đầu của cuộc khủng hoảng nợ ở Mỹ Latinh vào đầu những năm 1980, các nhà chức trách đã nêu lên mối lo ngại rằng tỷ lệ vốn của các ngân hàng quốc tế lớn ngày càng trở nên khó cân bằng trước những rủi ro ngày càng gia tăng Với sự trợ giúp của các Thống đốc G10, các thành viên Ủy ban đã quyết tâm tăng cường tính hiệu quả của các tiêu chuẩn vốn trong hệ thống ngân hàng của họ và hướng tới sự nhất quán trong việc đo lường mức độ an toàn vốn Ủy ban nhận thấy rõ nhu cầu cấp bách về một hiệp ước xuyên quốc gia để loại bỏ cạnh tranh không công bằng do sự khác nhau trong yêu cầu an toàn vốn của các quốc gia Sau khi phát hành tài liệu tham vấn (BCBS, 1987), hệ thống đo lường vốn được gọi là "Hiệp ước vốn Basel" đã được các thống đốc G10 kí kết và công bố vào tháng 7 năm 1988
Đo lường hệ số an toàn vốn theo hiệp ước Basel
Năm 1988, Basel I được ra đời, đánh dấu bước ngoặt quan trọng trong quản trị rủi ro ngân hàng quốc tế Hiệp định này là kết quả của sự hợp tác giữa các ngân hàng trung ương hàng đầu thế giới nhằm mục tiêu thiết lập bộ khung quy định vốn thống nhất cho ngân hàng Theo Basel I các ngân hàng phải đạt CAR là 8%, tập trung chủ yếu vào RRTD và tài sản có trọng số rủi ro (RWA)
Tài sản có trọng số rủi ro (RWA) Vốn tự có = Vốn cấp 1 + Vốn cấp 2 + Vốn cấp 3
- Vốn cấp 1 là nguồn vốn cốt lõi, đóng vai trò quan trọng trong việc đảm bảo khả năng thanh toán và hấp thụ tổn thất của ngân hàng, gồm vốn chủ sở hữu vĩnh viễn, lợi nhuận giữ lại, lợi ích thiểu số tại các công ty con, lợi thế kinh doanh
- Vốn cấp 2 là nguồn vốn bổ sung, có khả năng hấp thụ tổn thất nhưng mức độ an toàn thấp hơn vốn cấp 1, bao gồm lợi nhuận giữ lại chưa công bố, dự phòng thất thu chung
- Vốn cấp 3 dành cho rủi ro thị trường là vay ngắn hạn
Trong đó, Vốn cấp 1 ≥ Vốn cấp 2 + Vốn cấp 3 Tài sản có trọng số rủi ro (RWA), gồm 4 mức độ rủi ro 0%, 20%, 50% và 100%
RWA = Tổng (Tài sản x Mức rủi ro phân định cho từng tài sản trong bảng cân đối kế toán) + Tổng (Nợ tương đương x Mức rủi ro ngoại bảng)
Basel II được nâng cấp từ Hiệp định Basel I, tập trung vào 3 trụ cột chính: yêu cầu về vốn, rà soát giám sát, nguyên tắc thị trường
Trụ cột thứ nhất yêu cầu hệ số an toàn vốn duy trì ở mức độ tiếu thiểu là 8% như Basel I để bảo vệ ngân hàng khỏi 3 nhóm rủi ro
RWA Rủi ro tín dụng+ RWA Rủi ro thị trường+ RWA Rủi ro hoạt động
Vốn tự có = Vốn cấp 1 + Vốn cấp 2 + Vốn cấp 3
Basel II có phương pháp đo lường rủi ro tinh vi hơn, giúp phản ánh tốt hơn rủi ro thực tế của ngân hàng, góp phần nâng cao an toàn và ổn định của hệ thống ngân hàng quốc tế
Dù cho đã cải thiện dựa trên Hiệp định Basel I nhưng Basel II còn hạn chế để hỗ trợ các ngân hàng đối phó với các khó khăn Vào ngày 12/09/2010, Ủy ban Basel giới thiệu bộ tiêu chuẩn đo lường hệ số an toàn vốn mới có tên là Basel III, có hiệu lực từ năm 2013 Basel III ra đời với mục đích giảm thiểu rủi ro hệ thống bằng cách tăng cường yêu cầu vốn đối với ngân hàng, ngoài ra còn giảm khả năng xảy ra và mức độ nghiêm trọng của các cuộc khủng hoảng tài chính trong tương lai Theo Basel III, hệ số CAR tối thiểu vẫn là 8%, đồng thời chỉ ra các yêu cầu bổ sung về tài sản có tính thanh khoản cao để đảm bảo khả năng chống chịu rủi ro của hệ thống ngân hàng
RWA Rủi ro tín dụng+ RWA Rủi ro thị trường+ RWA Rủi ro hoạt động
Vốn tự có = Vốn cấp 1 + Vốn cấp 2 + Vốn cấp 3
Basel III yêu cầu ngân hàng phải duy trì tỷ lệ vốn cổ phần phổ thông tối thiểu là 4,5% so với tài sản có rủi ro, cao hơn mức 2% trong Basel II Bên cạnh đó, Basel III bổ sung thêm một khoản vốn đệm 2,5%, nâng tổng yêu cầu lên 7%
Bảng 2.1 Công thức đo lường hệ số an toàn vốn theo các hiệp định Basel
Thời gian hiệu lực Công thức
Basel I 1988 1992 CAR = Vốn tự có
Tài sản có trọng số rủi ro (RWA)
Basel II 2004 2006 CAR = Vốn tự có
RWA RRTD+ RWA RRTT+ RWA RRHD
Basel III 2010 2013 CAR = Vốn tự có
RWA RRTD+ RWA RRTT+ RWA RRHD
Đo lường hệ số an toàn vốn theo quy định của Việt Nam
Thông tư 41/2016/TT-NHNN: Đưa hệ thống ngân hàng Việt Nam tiến tới Basel II
Năm 2016, NHNN ban hành Thông tư 41/2016/TT-NHNN với các quy định đưa hệ thống ngân hàng Việt Nam tiến gần hơn đến việc áp dụng tiêu chuẩn quốc tế Basel II Phần lớn nội dung của Thông tư này tập trung hướng dẫn chi tiết cách tính toán CAR, trong đó bao gồm cả rủi ro tín dụng, rủi ro hoạt động và rủi ro thị trường, nhằm đáp ứng yêu cầu của Trụ cột 1 Basel II
Công thức tính CAR theo Thông tư 41:
RWA+12,5(K OR + K MR ) C: Vốn tự có
RWA: Tổng tài sản tính theo rủi ro tín dụng
KOR: Vốn tối thiểu quy định cho rủi ro hoạt động
KMR: Vốn tối thiểu quy định cho rủi ro thị trường
Việc bổ sung các nhóm tài sản có rủi ro thị trường và hoạt động vào công thức tính sẽ làm tăng mẫu số (RWA + KOR + KMR), dẫn đến việc tỷ lệ CAR giảm xuống
Do đó, trong khi CAR tính theo Thông tư 36 là 9%, thì theo Thông tư 41, tỷ lệ này có thể giảm xuống 8%
Ngày 29/12/2023, sau khi tham khảo ý kiến từ cá nhân và tổ chức, NHNN đã ban hành “Thông tư 22/2023/TT-NHNN”, sửa đổi và bổ sung một số điều của “Thông tư 41/2016/TT-NHNN” Thông tư mới này dự kiến sẽ có hiệu lực từ tháng 07/2024 Mặc dù cách tính tỷ lệ an toàn vốn vẫn được giữ nguyên, thông tư mới thay đổi hệ số rủi ro tín dụng đối với một số khoản mục trong ngành kinh doanh bất động sản
Thông tư 22/2019/TT-NHNN: Hỗ trợ các ngân hàng
Năm 2019, NHNN ban hành Thông tư 22/2019/TT-NHNN để hỗ trợ các ngân hàng chưa đáp ứng đủ tỷ lệ CAR theo thời hạn quy định trong Thông tư 41 Thông tư
22 cho phép các ngân hàng có thêm thời gian để điều chỉnh cơ cấu vốn huy động, cơ cấu tín dụng theo hướng hợp lý Cụ thể, thời hạn áp dụng đầy đủ Basel II được lùi đến ngày 01/01/2023 Tại điều 9 thông tư này yêu cầu các ngân hàng phải duy trì CAR tối thiểu riêng lẻ 9% NHNN sẽ theo dõi việc thực hiện tỷ lệ CAR theo Thông tư 22 và 41 dựa trên kế hoạch của từng ngân hàng Ý nghĩa của hệ số an toàn vốn
Hệ số an toàn vốn đóng vai trò then chốt trong việc đảm bảo sự ổn định tài chính của hệ thống ngân hàng và nền kinh tế nói chung CAR là tỷ lệ phần trăm vốn mà ngân hàng dự trữ để trang trải cho các khoản rủi ro tiềm ẩn Duy trì CAR ở mức độ an toàn mang lại nhiều lợi ích to lớn:
CAR bảo đảm cho hệ thống ngân hàng, giúp ngân hàng có khả năng chống chịu tốt hơn trước những tổn thất từ hoạt động kinh doanh hoặc khủng hoảng kinh tế Một CAR là dấu hiệu cho thấy sức khỏe tài chính và khả năng chống chịu rủi ro tốt của ngân hàng ngay cả trong các điều kiện kinh tế khó khăn, đảm bảo ngân hàng có đủ nguồn lực để thanh toán tiền gửi cho khách hàng khi cần thiết Đối với các nhà đầu tư, CAR được dùng để báo hiệu trước cho khách hàng về các rủi ro của ngân hàng Theo Williams (2011), CAR là yếu tố then chốt ảnh hưởng đến nhận thức của công chúng về sự ổn định của một tổ chức ngân hàng CAR cao đảm bảo cho người gửi tiền rằng tiền của họ được an toàn Khách hàng tin tưởng rằng ngân hàng có khả năng đáp ứng các nhu cầu tín dụng và dịch vụ ngân hàng khác trong cả giai đoạn thuận lợi và khó khăn.
CÁC YẾU TỐ ẢNH HƯỞNG ĐẾN HỆ SỐ AN TOÀN VỐN
Các yếu tố vi mô
Quy mô ngân hàng (SIZE) được đo bằng logarit tự nhiên của TTS ngân hàng Đây là chỉ số quan trọng trong phân tích khả năng tài chính, các thành phần của tài sản có thể gồm, tài sản cố định, tài sản ngân quỹ,… Theo Dreca (2014), các ngân hàng lớn thường có xu hướng mở rộng quy mô hoạt động để gia tăng thị phần, dẫn đến việc đầu tư vào nhiều loại tài sản Các nghiên cứu của Nguyễn Lan Anh (2023) và Do Hoai Linh (2019) cũng chỉ ra mối quan hệ tỷ lệ nghịch giữa quy mô ngân hàng và hệ số an toàn vốn Ngoài ra, ngân hàng lớn thường có hiệu quả kinh tế cao hơn do có thể chia sẻ chi phí cố định cho nhiều hoạt động kinh doanh hơn Điều này giúp họ có thể trích lập dự phòng rủi ro cao hơn và duy trì CAR cao hơn Do đó, hệ số CAR của các ngân hàng có quy mô lớn thường cao hơn so với các ngân hàng nhỏ (Obeid,
SIZE = log(Tổng tài sản)
Tỷ suất sinh lời phản ánh kết quả hoạt động của ngân hàng, thể hiện mức lợi nhuận có được từ việc sử dụng nguồn vốn để cung cấp dịch vụ, tác giả sử dụng tỷ suất lợi nhuận trên tài sản (ROA) làm đại diện cho ROA, được tính theo công thức sau:
ROA = Lợi nhuận sau thuế
Theo Setiawan và Muchtar (2021), hoạt động kinh doanh hiệu quả của ngân hàng dẫn đến tỷ suất sinh lời (ROA) cao hơn ROA cao giúp ngân hàng có nguồn vốn nội bộ dồi dào, hạn chế phụ thuộc vào nguồn vốn vay bên ngoài Điều này giảm bớt áp lực thanh toán và nâng cao CAR, giúp ngân hàng có khả năng chống chịu tốt hơn trước những rủi ro tiềm ẩn Tuy nhiên, một số nghiên cứu khác lại chỉ ra mối quan hệ tiêu cực giữa ROA và hệ số an toàn vốn Theo Phạm Hồng Thái (2020), để tăng ROA, ngân hàng thường theo đuổi lợi nhuận bằng cách cho vay vào các dự án rủi ro hơn Việc này huy động vốn của ngân hàng gặp nhiều khó khăn, sẽ làm CAR thấp hơn Obeid (2023) cũng cho rằng các ngân hàng có ROA cao thường đầu tư mạo hiểm hơn, thay vì tập trung củng cố VCSH Do đó, ROA có thể ảnh hưởng ngược chiều tới CAR
LEV đo lường bằng tỷ lệ VCSH với TTS trong nghiên cứu này Khi LEV, tỷ trọng vốn chủ sở hữu trong cơ cấu vốn của ngân hàng cũng tăng lên, cho thấy vai trò quan trọng của vốn chủ sở hữu trong việc ổn định vốn cho hoạt động kinh doanh VCSH được xem là nguồn vốn ổn định và ít rủi ro nhất so với các nguồn vốn vay Do đó, tỷ lệ vốn chủ sở hữu cao góp phần nâng cao tỷ lệ CAR Đỗ Hoài Linh và cộng sự
(2019) cũng chứng minh hai chỉ số này có quan hệ cùng chiều
LEV = Vốn chủ sỡ hữu
Theo NHNN (2021), nợ xấu là các khoản cho vay tài chính mà ngân hàng không thu hồi được từ khách hàng quá 90 ngày sau hạn thanh toán theo hợp đồng tín dụng NPL là thước đo chất lượng khoản vay của ngân hàng, được tính bằng tỷ lệ giữa tổng số nợ xấu và tổng số dư nợ NPL cao cho thấy rằng dấu hiệu quản lý chất lượng nợ yếu kém của ngân hàng, thể hiện qua xu hướng gia tăng và vượt mức trung bình ngành Công thức tính NPL như sau:
Ngân hàng có NPL cao có thể cần huy động thêm vốn để bù đắp rủi ro, dẫn đến mối quan hệ cùng chiều giữa NPL và hệ số an toàn vốn (CAR) (Obeid, 2023) Nghiên cứu của El-Ansary, El-Masry và Yousery (2019) cũng cho thấy các ngân hàng thương mại thường tăng vốn khi đối mặt với rủi ro tín dụng Do đó, NPL có tác động tích cực đến CAR
Tỷ lệ tiền gửi (DEP) là thước đo hiệu quả hoạt động cốt lõi của ngân hàng, thể hiện tỷ lệ phần trăm tiền gửi khách hàng so với tổng tài sản Khi DEP tăng, nghĩa là ngân hàng huy động nhiều tiền gửi hơn so với vốn tự có Điều này dẫn đến việc ngân hàng phụ thuộc nhiều hơn vào nguồn vốn vay, làm tăng rủi ro thanh khoản và rủi ro tín dụng Do đó, CAR sẽ giảm, ảnh hưởng đến khả năng chống chịu rủi ro của ngân hàng Công thức tính DEP như sau:
DEP = Tiền gửi của khách hàng
Nghiên cứu của Senan (2022) về các ngân hàng Ấn Độ cho thấy mối quan hệ tiêu cực giữa tỷ lệ tiền gửi (DEP) và hệ số an toàn vốn (CAR) Theo nghiên cứu này, DEP cao cho thấy sự ổn định của tài chính do đó hệ số an toàn vốn giảm
Các yếu tố vĩ mô
2.3.2.1 Tốc độ tăng trưởng kinh tế
Tốc độ tăng trưởng kinh tế (GDP) có mối liên hệ mật thiết với hệ số an toàn vốn (CAR) của NHTM Khi GDP tăng, nhu cầu tín dụng cũng tăng cao, tạo điều kiện cho NHTM lựa chọn khách hàng vay vốn tiềm năng hơn, giảm thiểu rủi ro nợ xấu Doanh nghiệp có khả năng tiếp cận nguồn vốn dồi dào, đa dạng, phù hợp với nhu cầu hoạt động, đồng thời ngân hàng cũng có nhiều khách hàng tiềm năng để cung cấp sản phẩm, dịch vụ, vì thế giảm thiểu rủi ro tín dụng và gia tăng khả năng thanh khoản Ngược lại, khi nền kinh tế trì trệ, nhu cầu vay vốn giảm sút, rủi ro trong hoạt động tín dụng của NHTM gia tăng Nguy cơ nợ quá hạn, nợ xấu cao hơn ảnh hưởng không tốt tới hoạt động kinh doanh NHTM (Đỗ Hoài Linh và cộng sự, 2019)
Theo Phạm Hải Nam và cộng sự (2022), lạm phát (INF) cao tác động ngược chiều đến nền kinh tế, làm giảm giá trị của đồng tiền, kìm hãm tiêu dùng và gây khó khăn cho hoạt động ngân hàng Khi INF cao sẽ làm giảm lãi suất thực và tăng lãi suất danh nghĩa, ảnh hưởng bất lợi cho người vay do họ phải gánh chịu chi phí vay cao hơn Nguy cơ vỡ nợ của người đi vay cũng gia tăng do lãi suất cao Do đó, ngân hàng cần tăng cường vốn tự có để nâng cao hệ số an toàn vốn, tuy nhiên điều này có thể bị hạn chế do khả năng huy động vốn của ngân hàng bị ảnh hưởng bởi lạm phát
TỔNG QUAN CÁC NGHIÊN CỨU LIÊN QUAN
Các nghiên cứu nước ngoài
Usman và cộng sự (2019) với nghiên cứu “Determinants of capital adequacy ratio on banking industry: Evidence in Indonesia Stock Exchange” Nghiên cứu sử dụng dữ liệu 27 ngân hàng niêm yết trên sở giao dịch chứng khoán Indonesia 2007-
2018 Tác giả sử dụng phân tích hồi quy dữ liệu bảng bằng cách ước tính phương pháp bình phương tối thiểu tổng quát (GLS) Kết quả chỉ ra rằng tỷ lệ đòn bẩy và thu nhập lãi cận biên có tác động cùng chiều, ngược lại quy mô ngân hàng, dự phòng rủi ro cho vay và tỷ lệ tài sản tín dụng có tác động ngược chiều và khả năng thanh khoản không ảnh hưởng đến tỷ lệ an toàn vốn
Addisalem và cộng sự (2020) nghiên cứu các yếu tố tác động đến tỷ lệ an toàn vốn của các NHTM Ethiopia Nghiên cứu sử dụng dữ liệu 5 năm (2016 – 2020) của
14 NHTM ở Ethiopia Nghiên cứu đã sử dụng nhiều mô hình hồi quy tuyến tính để xác định tầm quan trọng tương đối của từng biến độc lập bằng cách sử dụng OLS để ước tính mối quan hệ giữa các yếu tố quyết định CAR bằng phần mềm kinh tế lượng STATA 13 Kết quả nghiên cứu thấy rằng quy mô ngân hàng, lợi nhuận trên vốn chủ sở hữu, tỷ lệ nợ trên tài sản tác động tiêu cực đến hệ số an toàn vốn trong khi khả năng sinh lời, dự phòng rủi ro cho vay tác động tích cực đến CAR
Nghiên cứu Setiawan và Muchtar (2021) nghiên cứu các yếu tố tác động tới CAR của các ngân hàng niêm yết trên Sở giao dịch chứng khoán Indonesia Mẫu dữ liệu được lấy từ 42 ngân hàng trong khoảng 2015-2019 Sử dụng phương pháp hồi quy dữ liệu bảng Kết luận thấy rằng tăng SIZE và ROE sẽ gia tăng CAR, trong khi LOA tác động ngược chiều tới CAR Tỷ lệ thanh khoản và dự phòng rủi ro cho vay không ảnh hưởng đến CAR
Senan và cộng sự (2022) đánh giá ảnh hưởng của các nhân tố đến mức độ CAR của các NHTM Ấn Độ niêm yết trên Sở Giao dịch chứng khoán Bombay trong giai đoạn 2009-2018 Nghiên cứu sử dụng 4 phương pháp ước tính: OLS, FEM, REM và GMM trên dữ liệu của 37 NHTM Ấn Độ Các biến nghiên cứu bao gồm quy mô ngân hàng, chất lượng tài sản, tỷ lệ tài sản thanh khoản, tỷ lệ tiền gửi, quản lý tài sản, hiệu quả hoạt động, tỷ suất lợi nhuận trên tài sản, thu nhập phi lãi, hoạt động kinh tế, tỷ giá hối đoái, biên lãi ròng, lãi suất Kết quả nghiên cứu cho thấy tỷ lệ tiền gửi, quản lý tài sản, quy mô ngân hàng, biên lãi ròng, thu nhập phi lãi, GDP và lãi suất có ảnh hưởng tiêu cực đến mức độ an toàn vốn Hiệu quả hoạt động và tủ giá hối đoái có ảnh hưởng tích cực đến mức độ an toàn vốn
Obeid (2023) nghiên cứu mối quan hệ của các yếu tố có ảnh hưởng đến CAR của ngân hàng khu vực Ả Rập Tác giả thu thập dữ liệu thống kê từ 35 ngân hàng Ả Rập trong giai đoạn 2015-2020 Sử dụng phương pháp GMM, tác giả phân tích mô hình gồm các biến: SIZE, ROA, tỷ lệ nợ xấu, tăng trưởng dự phòng rủi ro tín dụng và GDP Kết quả chỉ ra NPL và SIZE có tác động cùng chiều với CAR ROA có mối quan hệ ngược chiều với CAR Tốc độ tăng trưởng GDP có tác động tích cực và đáng kể đến CAR của ngân hàng tại Ả Rập
Các nghiên cứu trong nước Đỗ Hoài Linh và cộng sự (2019) nghiên cứu về "Những nhân tố ảnh hưởng đến tỷ lệ an toàn vốn của ngân hàng thương mại tại Việt Nam", thực hiện phân tích qua 26 NHTM Việt Nam từ 2015 –2018 Tác giả kiểm định mô hình hồi quy bảng gồm 9 biến độc lập Kết quả cho rằng NIM, SIZE, GDP, lãi suất và tỷ giá hối đoái, ảnh hưởng ngược chiều tới CAR LEV và DEP ảnh hưởng cùng chiều đến CAR
Lê Hồng Thái (2020) đo lường các yếu tố ảnh hưởng đến hệ số an toàn vốn của các NHTM Việt Nam giai đoạn 2008-2019 Nghiên cứu sử dụng dữ liệu thứ cấp của 28 NHTM và thực hiện hồi quy lần lượt theo các phương pháp OLS, FEM, REM sau cùng là GMM 2 bước để khắc phục các khuyết tật của mô hình Kết quả kiểm định cho thấy các yếu tố CAR kỳ trước, tỷ lệ cho vay, biên lãi ròng, thanh khoản và lãi suất cho vay bình quân tác động tích cực tới CAR Các yếu tố ảnh hưởng tiêu cực bao gồm lợi nhuận ngân hàng, SIZE và hệ số đòn bẩy tài chính
Vũ Hùng Phương và Đặng Ngọc Đức (2020) phân tích các nhân tố ảnh hưởng đến hệ số an toàn vốn của các NHTM Việt Nam trong khoảng 2011 – 2018 bằng ước lượng dữ liệu bảng Các biến được đưa đưa vào nghiên cứu bao gồm quy mô ngân hàng, tỷ lệ tiền gửi, tỷ lệ cho vay, dự phòng rủi ro cho vay, khả năng thanh khoản, tỷ suất sinh lời trên tài sản, lợi nhuận trên vốn chủ sở hữu, biên lãi ròng, nợ xấu và đòn bẩy Kết quả chỉ ra đòn bẩy tài chính, dự phòng rủi ro cho vay, lợi nhuận trên vốn chủ sở hữu ảnh hưởng tiêu cực; khả năng sinh lời có tác động tích cực Các biến quy mô ngân hàng, tỷ lệ tiền gửi, tỷ lệ cho vay, khả năng thanh khoản, biên lãi ròng, tỷ lệ nợ xấu không ảnh hưởng đáng kể đến CAR của các NHTM Việt Nam
Nguyễn Ánh Duy (2022) đã thực hiện đo lường hệ số an toàn vốn của 27 NHTMCP trong nước giai đoạn 11 năm từ năm 2010 đến năm 2020 Tác giả sử dụng phương pháp hồi quy GMM hệ thống, phân tích các yếu tố ảnh hưởng tỷ lệ an toàn vốn của các ngân hàng Kết quả cho thấy những biến động của tỷ lệ an toàn vốn trong quá khứ, khả năng sinh lời và tỷ trọng dư nợ cho vay có tác động cùng chiều đến CAR Ngoài ra, SIZE, rủi ro tín dụng và GDP có tác động ngược chiều đến tỷ lệ an toàn vốn của các ngân hàng
Phạm Hải Nam và cộng sự (2022) đã chỉ ra tác động của các yếu tố đến CAR của các NHTM ở Việt Nam Các tác giả sử dụng phương pháp hồi quy Bayesian thông qua lấy mẫu Gibbs Dữ liệu sử dụng trong nghiên cứu là nguồn thứ cấp từ báo cáo tài chính của 30 NHTM Việt Nam và Tổng cục Thống kê Việt Nam giai đoạn 2012–2018 Kết quả nghiên cứu cho thấy vay ngân hàng, dự phòng rủi ro cho vay, tài sản lưu động, khả năng sinh lời là những yếu tố tác động tiêu cực đến CAR Mặt khác, các yếu tố có tác động tích cực đến CAR ngân hàng là quy mô ngân hàng, lạm phát và tăng trưởng GDP
Lê Thị Thanh Lộc và cộng sự (2022) đã phân tích các yếu tố ảnh hưởng đến CAR của các NHTMCP Việt Nam Nghiên cứu sử dụng dữ liệu của 29 ngân hàng từ 2007-2021, bằng cách ước lượng OLS, FEM, REM và GMM 2 bước để chạy mô hình Nghiên cứu chỉ ra tỷ lệ đòn bẩy tài chính, lạm phát, Covid-19 có tác động tích cực tới CAR; ngược lại khả năng sinh lời, tỷ lệ nợ xấu, tốc độ tăng trưởng kinh tế và quy mô ngân hàng có tác động ngược chiều Biến tỷ lệ cho vay không có ý nghĩa
Nguyễn Lan Anh (2023) đã nghiên cứu đề tài “Những yếu tố tác động đến tỷ lệ an toàn vốn của các Ngân hàng Thương mại cổ phần tại Việt Nam” Bài nghiên cứu đã phân tích các nhân tố ảnh hưởng đến hệ số CAR của 27 ngân hàng TMCP tại Việt Nam trong giai đoạn từ năm 2012 đến 2022 Kết quả nghiên cho thấy quy mô ngân hàng, rủi ro tín dụng, tăng trưởng kinh tế và lạm phát tác động ngược chiều với tỷ lệ an toàn vốn Trong khi đó, đa dạng hóa thu nhập, tính tập trung thị trường và hiệu quả hoạt động tác đồng cùng chiều đến tỷ số CAR
Bảng 2.2 Tổng hợp lược khảo các nghiên cứu liên quan
Tác giả Dữ liệu nghiên cứu
SIZE, ROE, tỷ lệ nợ trên tổng tài sản, ROA, (LLR)
(-) SIZE, ROE, tỷ lệ nợ trên tài sản
27 ngân hàng trên sàn giao dịch chứng khoán Indonesia từ 2007-
Phân tích hồi quy dữ liệu bảng bằng Phương pháp bình phương tối thiểu tổng quát (GLS)
LEV và NIM, SIZE, LLR và tỷ lệ tài sản tín dụng, LIQ
(-) SIZE, LLR và tỷ lệ tài sản tín dụng
42 ngân hàng trên sàn giao
Hồi quy dữ liệu bảng
(+) SIZE, ROE (-) LOA dịch chứng khoán Indonesia khoảng 2015-2019
SIZE và ROE, LOA, LIQ và LLR
37 NHTM Ấn Độ đã niêm yết của trong giai đoạn 2009-2018
Phương pháp Pooled OLS, FEM, REM, GMM
SIZE, chất lượng tài sản, tỷ lệ tài sản thanh khoản, DEP, quản lý tài sản, hiệu quả hoạt động, ROA, NIM, thu nhập phi lãi, hoạt động kinh tế, tỷ giá hối đoái, lãi suất
(+) Hiệu quả hoạt động và tỷ giá hối đoái
(-) DEP, quản lý tài sản, SIZE, NIM, thu nhập phi lãi, GDP VÀ INF
Obeid (2023) 35 ngân hàng Ả Rập trong giai đoạn 2015-
SIZE, ROA, NPL, tăng trưởng dự phòng rủi ro tín dụng và GDP
27 NHTMCP trong nước giai đoạn
11 năm từ năm 2010 đến năm
Biến độc lập: tỷ lệ an toàn vốn trong quá khứ, ROA và tỷ trọng dư nợ cho vay, SIZE, rủi
(+) Tỷ lệ an toàn vốn trong quá khứ, ROA và tỷ trọng dư nợ cho vay
(-) SIZE, rủi ro tín dụng và GDP ro tín dụng và GDP
Phạm Hải Nam và cộng sự
30 NHTM Việt Nam và Tổng cục Thống kê Việt Nam giai đoạn 2012–
Phương pháp hồi quy Bayesian thông qua lấy mẫu Gibbs
Biến độc lập: vay ngân hàng, dự phòng rủi ro cho vay, tài sản lưu động, khả năng sinh lời, quy mô ngân hàng, lạm phát và tăng trưởng GDP
(+) Quy mô ngân hàng, lạm phát và tăng trưởng GDP
(-) Cho vay ngân hàng, dự phòng rủi ro cho vay, tài sản lưu động, khả năng sinh lời
29 ngân hàng TMCP Việt Nam từ 2007-
Phương pháp ước lượng OLS, FEM, REM, GMM
SIZE, NPL, ROA, LEV, LOA, GDP, INF, biến liên quan đến đại dịch Covid-19
Do Hoai Linh và cộng sự
Hồi quy dữ liệu bảng
NIM, SIZE, GDP, INT và tỷ giá hối đoái, LEV và DEP
(-) NIM, SIZE, GDP, lãi suất và tỷ giá hối đoái
Phương pháp OLS, FEM, REM, GMM
Biến độc lập: lợi nhuận ngân
MÔ HÌNH NGHIÊN CỨU
QUY TRÌNH NGHIÊN CỨU
Hình 3.1 Quy trình nghiên cứu Bước 1: Thống kê mô tả
Nghiên cứu sử dụng mô hình dữ liệu bảng theo chuỗi thời gian, do đó việc thực hiện thống kê mô tả là cần thiết để nắm bắt các đặc điểm cơ bản của dữ liệu, bao gồm số quan sát, GTTB của mỗi biến, độ lệch chuẩn, GTLN, GTNN Thông qua thống kê mô tả có thể đánh giá sơ bộ tính phân bố của dữ liệu, so sánh sự khác biệt giữa các biến
Bước 2: Phân tích ma trận hệ số tương quan
Tương quan là thước đo mức độ liên hệ giữa hai biến Phân tích ma trận hệ số tương quan nhằm đánh giá mối quan hệ giữa biến phụ thuộc và các biến độc lập, xác định mức độ đa cộng tuyến giữa các biến trong mô hình hồi quy Hệ số tương quan dao động trong khoảng từ -1 đến +1, giá trị hệ số tương quan càng tiến về 1 hoặc -1
Thống kê mô tả các biến
Phân tích ma trận hệ số tương quan giữa các biến Phân tích hồi quy
Kiểm định lựa chọn mô hình
Kiểm định các khuyết tật mô hìnhKhắc phục các khuyết tật của mô hình cho thấy hai biến có tương quan rất cao; giá trị hệ số tương quan càng tiến về 0 thể hiện hai biến có tương quan càng thấp; hệ số tương quan lớn hơn 0, hai biến có tương quan dương (cùng tăng hoặc cùng giảm); hệ số tương quan nhỏ hơn 0, hai biến có tương quan âm (chuyển động ngược chiều); và hệ số tương quan bằng 0 thì không có mối quan hệ tuyến tính giữa hai biến
Bước 3: Phân tích hồi quy
Khóa luận sử dụng ba phương pháp ước lượng hồi quy dữ liệu bảng để phân tích mối quan hệ giữa CAR và các yếu tố ảnh hưởng:
Mô hình hồi quy Pooled OLS: Đây là mô hình hồi quy tuyến tính đơn giản, không phân biệt sự khác biệt giữa các đơn vị chéo và thời gian Mô hình này không kể tới những đặc điểm khác biệt của các cá thể và các biến độc lập ảnh hưởng đến biến phụ thuộc theo cùng một cách ở tất cả các đơn vị chéo Trong bài nghiên cứu này, tất cả các NHTMCP Việt Nam và các năm nghiên cứu được xem là có cùng đặc điểm cơ bản
Mô hình tác động cố định FEM: Mô hình này xem xét các đơn vị chéo (các cá thể) là không đồng nhất và giả định rằng mỗi cá thể có những đặc điểm riêng biệt không thay đổi theo thời gian Các đặc điểm này có thể ảnh hưởng đến biến phụ thuộc và do đó, mô hình cố định các tác động này để phân tích Cụ thể, các NHTMCP trong từng năm là những chủ thể có các đặc điểm riêng biệt với hệ số chặn cố định khác nhau nhưng không đổi theo thời gian
Mô hình tác động ngẫu nhiên REM: Giống như FEM, mô hình này cũng nhận thức sự không đồng nhất giữa các cá thể, nhưng thay vì cố định, các tác động này được xem như ngẫu nhiên và không có liên hệ với biến độc lập REM dùng ước lượng GLS để xử lý dữ liệu
Bước 4: Kiểm định lựa chọn mô hình
Nghiên cứu tiến hành thực hiện những kiểm định sau để lựa chọn mô hình phù hợp nhất trong 3 mô hình trên
Kiểm định F-test: Kiểm định lựa chọn giữa mô hình Pooled OLS và FEM Giả thuyết như sau:
H0: Mô hình OLS phù hợp hơn H1: Mô hình FEM phù hợp hơn
Nếu P-value nhỏ hơn mức ý nghĩa 5%, bác bỏ H0 tức là FEM phù hợp hơn, ngược lại thì chọn mô hình OLS
Kiểm định Breusch and Pagan Lagrange Multiplier: Kiểm định lựa chọn giữa mô hình Pooled OLS và REM với giả thuyết:
H0: phương sai sai số ngẫu nhiên bằng 0 (Pooled OLS) H1: phương sai sai số ngẫu nhiên khác 0 (REM)
Nếu P-value nhỏ hơn mức ý nghĩa 5%, bác bỏ H0, mô hình REM phù hợp hơn
Kiểm định Hausman: Kiểm định lựa chọn giữa mô hình FEM và REM với giẳ thuyết:
H0: Mô hình REM là phù hợp H1: Mô hình FEM là phù hợp
Nếu P-value nhỏ hơn mức ý nghĩa 5% thì bác bỏ H0 tức là mô hình FEM phù hợp hơn, ngược lại thì chọn mô hình REM
Bước 5: Kiểm định các khuyết tật của mô hình
Kiểm định đa cộng tuyến (VIF): Hiện tượng đa cộng tuyến xảy ra khi các biến độc lập có mối quan hệ tuyến tính gần như nhau Điều này có thể ảnh hưởng đến ước lượng của các hệ số hồi quy Vì vậy, thực hiện kiểm định hệ số VIF để định lượng mức độ đa cộng tuyến giữa các biến trong mô hình Hệ số VIF có giá trị lớn hơn 10 thì mô hình xảy ra hiện tượng đa cộng tuyến, khắc phục bằng cách bỏ đi biến có đa cộng tuyến; ngược lại hệ số VIF nhỏ hơn 10 thì sẽ không xảy ra hiện tượng đa cộng tuyến
Kiểm định phương sai sai số thay đổi (Breusch-Pagan): Hiện tượng phương sai sai số thay đổi xảy ra khi phương sai của phần dư thay đổi không đồng đều qua các mức giá trị của biến độc lập Hiện tượng này ảnh hưởng tới độ tin cậy của ước lượng hệ số hồi quy Để kiểm định khuyết tật này tác giả dùng kiểm định Breusch- Pagan:
H0: không có hiện tượng phương sai sai số thay đổi H1: có hiện tượng phương sai sai số thay đổi
Nếu P-value nhỏ hơn mức ý nghĩa 5% thì bác bỏ H0 suy ra mô hình có hiện tượng phương sai sai số thay đổi và ngược lại
Kiểm định tự tương quan (Wooldridge): Tự tương quan là hiện tượng xảy ra khi lỗi ngẫu nhiên trong mô hình hồi quy không độc lập với nhau mà có mối liên hệ theo thời gian Tự tương quan có thể ảnh hưởng đến phân phối của sai số, điều này dẫn đến việc các kiểm định thống kê trở nên thiếu chính xác, ảnh hưởng đến độ tin cậy của kết quả Để kiểm tra tự tương quan trong mô hình tác giả sử dụng kiểm định Wooldridge với giả thuyết:
H0: không có hiện tượng tự tương quan H1: có hiện tượng tự tương quan
Nếu P-value nhỏ hơn mức ý nghĩa 5% thì bác bỏ H0, mô hình không có hiện tượng tự tương quan và ngược lại
Bước 6: Khắc phục các khuyết tật của mô hình
Mô hình nghiên cứu sẽ gặp phải hai vấn đề là phương sai thay đổi và tự tương quan Để giải quyết các vấn đề này, nghiên cứu áp dụng phương pháp FGLS (Feasible Generalized Least Squares) Phương pháp FGLS giúp giải quyết các khuyết tật này, cho phép giải thích các tham số mô hình một cách chính xác hơn.
MÔ HÌNH NGHIÊN CỨU VÀ GIẢ THUYẾT NGHIÊN CỨU
Sau khi lược khảo các nghiên cứu liên quan, tác giả quyết định sử dụng CAR làm biến phụ thuộc Mặc dù công thức tính CAR có thể khác nhau do mốc thời gian nghiên cứu, phổ biến nhất vẫn là công thức theo Basel II, bao gồm rủi ro thị trường và rủi ro hoạt động trong tài sản rủi ro Để đáp ứng yêu cầu công bố thông tin theo trụ cột kỷ luật thị trường, các ngân hàng thường công bố CAR trong báo cáo thường niên Tuy nhiên, tác giả nghiên cứu này vẫn sử dụng công thức từ các nghiên cứu trước, cụ thể là:
CAR = Vốn cấp 1+ Vốn cấp 2
RWA Rủi ro tín dụng+ RWA Rủi ro thị trường+ RWA Rủi ro hoạt động
Dựa vào mô hình nghiên cứu của Do Hoai Linh (2019), Senan (2022) và Lê Thị Thanh Lộc (2022) đã nghiên cứu dữ liệu các NHTM tại Việt Nam và Ấn Độ vào các giai đoạn 2015-2018, 2009-2018 và 2007-2021, tác giả xây dựng mô hình nghiên cứu như sau:
CAR it = β 0 + β 1 SIZE it + β 2 ROA it + β 3 LEV it + β 4 NPL it + β 5 DEP it + β 6 GDP t + β 7 INF t
Trong đó β0: Hệ số chặn β1… β7: Hệ số góc của các biến độc lập
CARit : Hệ số an toàn vốn của ngân hàng TMCP (i) tại thời điểm (t)
SIZEit : Quy mô ngân hàng (i) tại thời điểm (t)
ROAit: Tỷ suất sinh lời trên tổng tài sản của ngân hàng (i) tại thời điểm (t) LEVit: Hệ số đòn bẩy tài chính của ngân hàng (i) tại thời điểm (t)
NPLit: Tỷ lệ nợ xấu của ngân hàng (i) tại thời điểm (t)
DEPit: Tỷ lệ tiền gửi của ngân hàng (i) tại thời điểm (t)
GDPt: Tốc độ tăng trưởng kinh tế tại thời điểm (t)
INFt: Lạm phát tại thời điểm (t) εit: sai số thống kê
3.2.2.1 Quy mô ngân hàng (SIZE)
SIZE tính bằng logarit tự nhiên của TTS ngân hàng Đây là chỉ số quan trọng trong đánh giá sức mạnh tài chính ngân hàng, các thành phần của tài sản có thể bao gồm tài sản cho vay, tài sản cố định, tài sản ngân quỹ,… Theo Dreca (2014), các ngân hàng lớn thường có xu hướng mở rộng quy mô hoạt động để gia tăng thị phần, dẫn đến việc đầu tư vào nhiều loại tài sản Các nghiên cứu của Nguyễn Lan Anh (2023) và Đỗ Hoài Linh (2019) cũng chỉ ra mối quan hệ tỷ lệ nghịch giữa quy mô ngân hàng và hệ số an toàn vốn
H1: SIZE ảnh hưởng tiêu cực đến hệ số an toàn vốn tại các ngân hàng TMCP Việt Nam
3.2.2.2 Tỷ suất sinh lời (ROA)
ROA là chỉ số tài chính được đo lường bằng lợi nhuận trên tổng tài sản của ngân hàng Theo Phạm Hồng Thái (2020), để tăng ROA, ngân hàng thường theo đuổi lợi nhuận bằng cách cho vay vào các dự án rủi ro hơn Việc này khiến quá trình huy động vốn của ngân hàng gặp khó khăn, dẫn đến tỷ lệ VCSH trên TTS thấp hơn Obeid
(2023) cũng cho rằng các ngân hàng có ROA cao thường có xu thế đầu tư mạo hiểm hơn, thay vì tập trung củng cố VCSH
H2: ROA ảnh hưởng tiêu cực đến hệ số an toàn vốn tại các ngân hàng TMCP Việt Nam
3.2.2.3 Tỷ lệ đòn bẩy tài chính (LEV)
LEV được đo lường bằng tỷ lệ VCSH so với TTS trong nghiên cứu này Khi LEV cao, tỷ trọng VCSH trong cơ cấu vốn của ngân hàng cũng tăng lên, cho thấy vai trò quan trọng của VCSH trong việc ổn định vốn cho hoạt động kinh doanh Nghiên cứu của Đỗ Hoài Linh và cộng sự (2019) cũng đã chứng minh hai chỉ số này có mối quan hệ tích cực
H3: LEV ảnh hưởng tích cực đến hệ số an toàn vốn tại các ngân hàng TMCP Việt Nam
3.2.2.4 Tỷ lệ nợ xấu (NPL)
NPL tính bằng tổng số nợ nhóm 3, 4, 5 so với tổng số nợ, đây là rủi ro tín dụng đối với ngân hàng vì tỷ lệ này làm giảm thu nhập lãi và giá trị của danh mục cho vay NPL cao cho thấy ngân hàng đang gặp vấn đề trong việc quản lý rủi ro tín dụng Nghiên cứu của Lê Thị Thanh Lộc và cộng sự (2022) cũng cho thấy các ngân hàng thương mại thường tăng vốn khi đối mặt với rủi ro tín dụng
H4: NPL ảnh hưởng tiêu cực đến hệ số an toàn vốn tại các Nngaan hàng TMCP Việt Nam
3.2.2.5 Tỷ lệ tiền gửi (DEP)
Tỷ lệ tiền gửi được xác định bằng tỷ lệ tiền gửi của khách hàng trên tổng tài sản Nghiên cứu của Senan (2022) về các NHTM Ấn Độ cho thấy mối quan hệ tiêu cực giữa tỷ lệ tiền gửi (DEP) và hệ số an toàn vốn (CAR) Theo nghiên cứu này, DEP cao cho thấy sự ổn định của tài chính vì thế dẫn đến hệ số CAR giảm
H5: DEP ảnh hưởng tiêu cực đến hệ số an toàn vốn các ngân hàng TMCP Việt Nam
3.2.2.6 Tốc độ tăng trưởng kinh tế (GDP)
GDP được xác định bằng khoảng chênh lệch giữa tổng sản phẩm quốc nội kỳ này so với kỳ trước Khi GDP tăng, nhu cầu tín dụng cũng tăng cao, tạo điều kiện cho NHTM lựa chọn khách hàng vay vốn tiềm năng hơn, giảm thiểu rủi ro nợ xấu Phạm Hải Nam và cộng sự (2022) đã chứng minh ngân hàng duy trì CAR cao khi nền kinh tế có tốc độ tăng trưởng cao
H6: GDP ảnh hưởng tích cực đến hệ số an toàn vốn tại các ngân hàng TMCP Việt Nam
3.2.2.7 Tỷ lệ lạm phát (INF)
INF được tính toán bằng mức tăng chỉ số giá tiêu dùng của kỳ này so với kỳ trước Theo Phạm Hải Nam và cộng sự (2022), lạm phát cao tác động không tốt đến nền kinh tế, làm giảm giá trị thực của đồng tiền, kìm hãm tiêu dùng và gây khó khăn cho hoạt động ngân hàng INF cao sẽ làm giảm lãi suất thực và tăng lãi suất danh nghĩa, bất lợi cho người vay do họ phải gánh chịu chi phí vay cao hơn Nguy cơ vỡ nợ của người đi vay cũng gia tăng do lãi suất cao Do đó, ngân hàng cần tăng cường vốn tự có để nâng cao hệ số an toàn vốn, tuy nhiên điều này có thể bị hạn chế do khả năng huy động vốn của ngân hàng bị ảnh hưởng bởi lạm phát.
H7: INF ảnh hưởng tiêu cực đến hệ số an toàn vốn tại các ngân hàng TMCP Việt Nam
Bảng 3.1 Mô tả và đo lường các biến trong mô hình nghiên cứu
Tên biến Ký hiệu Công thức
Các nghiên cứu đã sử dụng
Kì vọng dấu Biến phụ thuộc
Tỷ lệ an toàn vốn
CAR CAR = Vốn tự có
Tổng tài sản có rủi ro
Quy mô ngân hàng SIZE SIZE = Log(Tổng tài sản)
Võ Hồng Đức và cộng sự (2014)
Tỷ suất sinh lời trên tổng tài sản
ROA ROA = Lợi nhuận sau thuế
(2020), Nguyễn Ánh Duy (2022), Setiawan và Muchtar
Hệ số đòn bẩy tài chính
LEV LEV =Vốn chủ sở hữu
Lê Hồng Thái (2020), Đỗ Hoài Linh và cộng sự (2019)
Tỷ lệ nợ xấu NPL NPL = Nợ nhóm 3,4,5
Lê thị Thanh Lộc và cộng sự (2022), Obeid
Tỷ lệ tiền gửi DEP DEP = Tiền gửi của khách hàng
(2022), Vũ Hùng Phương và Đặng Ngọc Đức (2020)
Tốc độ tăng trưởng kinh tế
GDP Dữ liệu có sẵn tại WorldBank
(Lấy số liệu theo các năm cụ thể)
Lạm phát INF Dữ liệu có sẵn tại WorldBank
(Lấy số liệu theo các năm cụ thể)
Phạm Hải Nam và cộng sự
KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN KẾT QUẢ
TỔNG QUAN HỆ SỐ AN TOÀN VỐN CỦA CÁC NGÂN HÀNG THƯƠNG MẠI CỔ PHẦN VIỆT NAM GIAI ĐOẠN 2014-2023
Hình 4.1 Hệ số an toàn vốn trung bình giai đoạn 2014-2023
Nguồn: Tác giả tổng hợp từ Fiinpro-X
Hệ thống NHTM Việt Nam đang từng bước khẳng định sức mạnh tài chính thông qua việc tuân thủ hệ số an toàn vốn theo tiêu chuẩn quốc tế Tính đến giữa năm
2022, 86% NHTM đã đáp ứng yêu cầu của Thông tư 41 về CAR Nổi bật là các ngân hàng như ACB, VPBank, TPBank, SeABank, Nam A Bank và OCB đã hoàn thành sớm 3 trụ cột Basel II và tiên phong áp dụng Basel III - khuôn khổ quản trị vốn mới nhất So với Basel II, Basel III có yêu cầu cao hơn về gia cố bộ đệm vốn và quy trình quản trị rủi ro Đây là cơ hội để NHTM Việt Nam nâng cao khả năng chống chịu rủi ro, tăng cường an toàn và hiệu quả hoạt động, từ đó thu hút đầu tư quốc tế và mở rộng hoạt động ra thị trường nước ngoài
Giai đoạn 2014 – 2018, CAR bình quân giảm từ 13,78% (năm 2014) xuống 12,26% (năm 2018) Nguyên nhân là do NHNN giảm yêu cầu CAR tối thiểu từ 9% xuống 8% vào năm 2016 theo thông tư 41 để phù hợp với Basel II Giai đoạn 2019 –
2023, CAR bình quân tăng từ 11,10% (năm 2019) lên 11,80% (năm 2023), do NHNN khuyến khích NHTM nâng cao CAR để đảm bảo an toàn hoạt động Một số NHTMCP thực hiện sáp nhập, hợp nhất, mua lại, dẫn đến việc tăng vốn và CAR Ngoài ra, NHTMCP áp dụng Basel II và Basel III, yêu cầu cao hơn về vốn và quản trị rủi ro làm lợi nhuận của NHTMCP tăng cao, tạo điều kiện cho việc trích lập dự phòng và tăng vốn.
PHÂN TÍCH THỐNG KÊ MÔ TẢ
Tác giả sử dụng dữ liệu thứ cấp của 27 NHTMCP tải từ Fiinpro-X và dữ liệu vĩ mô lấy từ WorldBank trong giai đoạn từ 2014-2023 Mẫu nghiên cứu gồm 270 quan sát từ 7 biến độc lập và 1 biến phụ thuộc
Bảng 4.1 Thống kê mô tả các biến
Trung bình Độ lệch chuẩn
Nguồn: Trích xuất từ Stata
Hệ số an toàn vốn: CAR có GTTB trong giai đoạn 2014-2023 là 12,40%, ứng với độ lệch chuẩn là 3,02% Nhìn chung, các ngân hàng đều đáp ứng quy định về mức an toàn vốn tối thiểu do NHNN ban hành và tiến gần hơn trong việc áp dụng chuẩn mực quốc tế nhằm hạn chế tối thiểu sự tác động của các cú sốc kinh tế bất ngờ gây khủng hoảng ngân hàng sâu rộng Đối với biến quy mô ngân hàng (SIZE), thống kê có biến động trong khoảng từ 7,19 đến 9,36, với GTTB của cỡ mẫu là 8,22; độ lệch chuẩn của mẫu là 49,08% Trong thời gian nghiên cứu, quy mô của các ngân hàng thương mại tại Việt Nam ngày càng tăng trưởng Điều này cho thấy xu hướng phát triển mở rộng mạng lưới các ngân hàng thương mại cổ phần Việt Nam trong suốt thời gian này
Tỷ suất sinh lời (ROA) của hệ thống NHTMCP có GTTB là 0,89%, độ lệch chuẩn đạt 0,69% trong giai đoạn 2014-2023 Techcombank có giá trị tỷ suất lợi nhuận lớn nhất với 3,24% vào năm 2021 Điều này phần nào cho thấy sự hoạt động kém hiệu quả của ngành ngân hàng Việt Nam Mặc dù đã có nhiều nỗ lực khắc phục tỷ lệ này nhưng nhìn chung vẫn ở mức thấp
Hệ số đòn bẩy (LEV) dao động từ 4,06% ở mức thấp nhất đến 22,03% ở mức cao nhất Độ lệch chuẩn lên tới 3,08 cho thấy sự khác biệt lớn trong việc sử dụng đòn bẩy tài chính giữa các ngân hàng Giá trị bình quân của LEV giai đoạn 2014-2023 là 8,56%, xu hướng sử dụng nợ - chủ yếu là tiền gửi của khách hàng sử dụng cho hoạt động kinh doanh của ngân hàng
Tỷ lệ nợ xấu (NPL) thay đổi có GTTB là 2,08% với độ lệch chuẩn là 2,18% trong giai đoạn 2014-2023 Trong đó, tỷ lệ nợ xấu dao động từ thấp nhất 0,47% đến cao nhất 29,76%
Tỷ lệ tiền gửi (DEP) có GTTB là 67,94%, với độ lệch chuẩn là 9,89% GTNN và GTLN của DEP lần lượt là 42,01% và 89,37%
Ngoài ra, các yếu tố vĩ mô là GDP, INF giai đoạn này đạt mức trung bình lần lượt là 6,03% và 2,87%.
PHÂN TÍCH TƯƠNG QUAN
Bảng 4.2 Ma trận hệ số tương quan giữa các biến
Nguồn: Trích xuất từ Stata
Hệ số tương quan (ρ) là thước đo để đánh giá mối quan hệ tương quan tuyến tính giữa các biến, ngoài ra hệ số tương quan còn đo lường tác động mạnh và yếu, hệ số này thay đổi từ -1 đến 1 Kết quả ở Bảng 4.2 cho thấy hệ số tương quan giữa các cặp biến nằm trong khoảng từ 0,0045 - 0,7127, trong mô hình không có cặp biến nào có giá trị tuyệt đối của hệ số tương quan lớn hơn 0,8 không có hiện tượng đa cộng tuyến Do đó, các biến độc lập tuyến tính với nhau Vì vậy, các biến phù hợp cho nghiên cứu
CAR SIZE ROA LEV NPL DEP GDP INF
KIỂM ĐỊNH ĐA CỘNG TUYẾN
Đa cộng tuyến trong mô hình được kiểm định qua hệ số VIF với quy ước VIF
> 10 thì mô hình xảy ra hiện tượng đa cộng tuyến
Nguồn: Tác giả trích xuất từ Stata
Bảng 4.3 cho thấy tất cả các biến của mô hình đều đó hệ số VIF < 10, vì vậy mô hình không xảy ra đa cộng tuyến, các biến độc lập vẫn mang ý nghĩa thống kê.
PHÂN TÍCH HỒI QUY
Bảng 4.4 Hồi quy theo mô hình Pooled OLS
CAR Hệ số hồi quy Độ lệch chuẩn t P > t Độ tin cậy 95% SIZE -0,0005 0,0034 -0,1500 0,8850 -0,0071 0,0061
Nguồn: Trích xuất từ Stata
Bảng 4.4 trình bày kết quả hồi quy mô hình theo phương pháp Pooled OLS Trong bảng 4.4, có thể thấy các biến LEV, ROA có ý nghĩa thống kê ở mức 1% (P- value < 0,01) chứng minh tầm quan trọng của các biến này trong mô hình vì có xác suất ảnh hưởng đến hệ số an toàn vốn rất cao, biến DEP VÀ GDP có ý nghĩa thống kê ở mức 5% (P-valuet Độ tin cậy 95% SIZE -0,0042 0,0047 -0,90 0,370 -0,0133 0,0050
Nguồn: Trích xuất từ Stata
Mô hình REM giải thích được 45,68% sự biến thiên của hệ số an toàn vốn với R2 là 0,4568 Biến ROA ảnh hưởng ngược chiều đến CAR ở mức ý nghĩa thống kê 1%, trong khi biến LEV ảnh hưởng cùng chiều và cũng ở mức ý nghĩa 1% Biến GDP ảnh hưởng cùng chiều với mức ý nghĩa 5% và biến INF ảnh hưởng ngược chiều ở mức ý nghĩa 10%
Mô hình REM có giá trị P-value = 0,0000, thấp hơn mức ý nghĩa 5%, kết quả này cho thấy rằng sử dụng mô hình REM với mục đích dự đoán sự biến thiên của biến phụ thuộc là phù hợp Kết quả hồi quy mô hình REM:
CARit = 0,1213 – 1,6956 ROAit+ 0,7455 LEVit + 0,1756 GDPt – 0,2033 INFt + εit
Kết quả ước lượng 3 mô hình
Thông qua phần mềm Stata 17.0 để đánh giá mức độ ảnh hưởng của các biến độc lập: SIZE, ROA, LEV, NPL, DEP, GDP, và INF đến biến phụ thuộc CAR Kết quả được trình bày tại bảng 4.7
Bảng 4.7 Tổng hợp kết quả hồi quy của các mô hình
Hệ số hồi quy P>t Hệ số hồi quy P>t Hệ số hồi quy P>t SIZE -0,0005 0,885 -0,0147* 0,058 -0,00417 0,370
Nguồn: Trích xuất từ Stata
KIỂM ĐỊNH LỰA CHỌN MÔ HÌNH
Kiểm định sự phù hợp giữa mô hình Pooled OLS và FEM
Nghiên cứu sử dụng F-test để chọn lựa giữa hai mô hình là Pooled OLS và FEM, với giả thuyết:
H 0 : Mô hình OLS phù hợp
H1: Mô hình FEM phù hợp
Nguồn: Tác giả trích xuất từ Stata
Theo kết quả bảng 4.8, ta thấy p_value = 0,0000 < 5% nên bác bỏ H0, do đó mô hình FEM là phù hợp hơn
Kiểm định sự phù hợp giữa mô hình Pooled OLS và REM
Breusch – Pagan Lagrange Multiplier để kiểm định phương sai sai số thay đổi và xác định giữa Pooled OLS và REM xem mô hình nào là phù hợp hơn với các giả thuyết:
H0: phương sai sai số ngẫu nhiên bằng 0 (Pooled OLS)
H1: phương sai sai số ngẫu nhiên khác 0 (REM)
Bảng 4.9 Kết quả kiểm định Breusch – Pagan Lagrange Multiplier
Test: Var(u) = 0 chibar2(01) = 49,16 Prob > chibar2 = 0,0000
Bảng 4.9 cho thấy p_value = 0,0000 < 5%, bác bỏ H0, mô hình REM là phù hợp hơn
Kiểm định sự phù hợp giữa mô hình FEM và REM
Kiểm định Hausman để chọn lựa mô hình phù hợp giữa FEM và REM với các giả thuyết:
H0: Mô hình REM phù hợp
H1: Mô hình FEM phù hợp
Nguồn: Tác giả trích xuất từ Stata
Kết quả kiểm định cho thấy p_value = 0,0406 < 5%, bác bỏ H0, vì vậy mô hình FEM là phù hợp hơn
Kết quả kiểm định 3 mô hình
Dựa trên kết quả kiểm định F-test, Breusch Pagan và Hausman, mô hình FEM được xác định là phương pháp phù hợp nhất để phân tích các yếu tố then chốt ảnh hưởng đến hệ CAR Bảng 4.11 là kết quả kiểm định giữa ba mô hình POLS, FEM và REM:
Bảng 4.11 Kết quả kiểm định 3 mô hình
Biến độc lập Pooled OLS FEM REM
Kiểm định F-test Breusch – Pagan
Lựa chọn Pooled OLS & FEM Pooled OLS & REM FEM & REM
Kết luận Mô hình FEM là phù hợp nhất
Nguồn: Tác giả tự tổng hợp
KIỂM ĐỊNH CÁC KHUYẾT TẬT CỦA MÔ HÌNH
Mô hình hồi quy thường tồn tại những khuyết tật, tác giả sẽ sử dụng các phương pháp kiểm định để có thể phát hiện các vấn đề cần giải quyết Việc phát hiện và xử lý các khuyết tật trong mô hình hồi quy là bước quan trọng để đảm bảo độ tin cậy và ý nghĩa thống kê của kết quả nghiên cứu
Kiểm định phương sai sai số thay đổi
Bảng 4.12 Kết quả kiểm định Breusch and Pagan Lagrangian chi2 (27) = 972,73
Nguồn: Trích xuất từ Stata
H₀: Không có hiện tượng phương sai sai số thay đổi H₁: Có hiện tượng phương sai sai số thay đổi
Bảng 4.12 có thể thấy p_value = 0,000 < 5%, bác bỏ H0, vì vậy mô hình có hiện tượng phương sai sai số thay đổi
Kiểm định tự tương quan
Kiểm định Wooldridge được sử dụng để xem xét mô hình có hay không hiện tượng phương sai sai số thay đổi Giả thuyết đặt ra là:
H0: Mô hình không có hiện tượng tự tương quan
H1: Mô hình có hiện tượng tự tương quan
Bảng 4.13 Kết quả kiểm định Wooldridge
Nguồn: Trích xuất từ Stata
Bảng 4.13 có thể thấy p_value = 0,0000 < 5%, bác bỏ H0, vì vậy mô hình có hiện tượng tự tương quan.
ƯỚC LƯỢNG MÔ HÌNH THEO PHƯƠNG PHÁP FGLS
Sau khi thực hiện hồi quy và kiểm định, tác giả đã lựa chọn mô hình FEM là phù hợp Kiểm định khuyết tật mô hình cho thấy mô hình tồn tại hiện tượng tự tương quan và phương sai sai số thay đổi Để khắc phục các khuyết tật này, tác giả đã sử dụng phương pháp GLS Kết quả thu được được trình bày ở bảng 4.14
Bảng 4.14 Kết quả hồi quy FGLS
CAR Hệ số hồi quy Độ lệch chuẩn t P>t Độ tin cậy 95% SIZE -0,0094*** 0,0028 -3,30 0,001 -0,0149 -0,0038
Nguồn: Trích xuất từ Stata
Kết quả FGLS thấy rằng các biến SIZE, ROA, LEV, NPL và GDP tác động tới CAR Các biến SIZE, LEV ở mức ý nghĩa 1% và tác động mạnh nhất tới CAR Biến ROA có mức ý nghĩa thống kê 5% Biến GDP và NPL có ý nghĩa ở mức 10% và tác động yếu hơn đến CAR Ta thấy, p-value=0,0000 < 0,05, mô hình có ý nghĩa thống kê
Mô hình FGLS có dạng:
CAR it = 0,1567 – 0,0094 SIZE it – 0,6653 ROA it + 0,6526 LEV it – 0,0642 NPL it + 0,0630 GDP t + ε it
