Chủ Đề các yếu tố ảnh hưởng Đến khả năng sinh lời tại các ngân hàng thương mại việt nam bằng phương pháp hồi quy bayes

Nhìn nhận được tầm quan trọng đó, tác giả đã đã chọn đề tài: “CÁC YẾU TỐ ẢNH HƯỞNG ĐẾN KHẢ NĂNG SINH LỜI TẠI CÁC NGÂN HÀNG THƯƠNG MẠI VIỆT NAM BẰNG PHƯƠNG PHÁP HỒI QUY BAYES” với việc xá

BỘ GIÁO DỤC VÀ ĐÀO TẠO NGÂN HÀNG NHÀ NƯỚC VIỆT NAM

TRƯỜNG ĐẠI HỌC NGÂN HÀNG THÀNH PHỐ HỒ CHÍ MINH

TIỂU LUẬN MÔN HỌC PHƯƠNG PHÁP NGHIÊN CỨU NĂNG CAO

CHỦ ĐỀ: CÁC YẾU TỐ ẢNH HƯỞNG ĐẾN KHẢ NĂNG SINH LỜI TẠI CÁC NGÂN HÀNG THƯƠNG MẠI VIỆT NAM BẰNG PHƯƠNG

PHÁP HỒI QUY BAYES

NGƯỜI THỰC HIỆN:

ĐỖ THỊ THANH THẢO-020124220135

Thành phố Hồ Chí Minh - Năm 2022

PHẦN MỞ ĐẦU

1 Đặt vấn đề

Hoạt động của ngân hàng là một hoạt động kinh tế quan trọng, trong những nămvừa qua đã đóng góp không nhỏ vào sự phát triển của nền kinh tế quốc dân Làm thế nào để phát triển và hoạt động ngày càng có hiệu quả trong giai đoạn hội nhập kinh tế khu vực và thế giới, cũng như sự ảnh hưởng của Đại dịch Covid-19 là một vấn đề rất quan tâm đối với các NHTM Với chức năng là công cụ quản lý kinh tế hữu hiệu, phân tích khả năng sinh lời sẽ giúp các nhà quản lý điều hành hoạt động của NHTM đạt hiệu quả cao nhất Đứng trước thực trạng trên, việc nhìn nhận, xem xét, đo lường và đánh giá các nhân tố có ảnh hưởng trực tiếp đến lợi nhuận, khả năng sinh lời của các NHTM Việt Nam trong giai đoạn hiện nay là hết sức cấp thiết

và quan trọng Nhìn nhận được tầm quan trọng đó, tác giả đã đã chọn đề tài: “CÁC YẾU TỐ ẢNH HƯỞNG ĐẾN KHẢ NĂNG SINH LỜI TẠI CÁC NGÂN HÀNG THƯƠNG MẠI VIỆT NAM BẰNG PHƯƠNG PHÁP HỒI QUY BAYES” với việc xác định các yếu tố ảnh hưởng đến khả năng sinh lời của ngân hàng qua dữ liệu thu thập giai đoạn 2011-2020 và sử dụng phương pháp nghiên hồi quy tuyến tính Bayes để nghiên cứu ảnh hưởng của một số nhân tố đến khả năng sinh lời của NHTM ở Việt Nam

2 Nội dung nghiên cứu

2.1 Đối tượng nghiên cứu:

Nhân tố ảnh hưởng đến khả năng sinh lời của Ngân hàng thương mại Việt Nam trong giai đoạn 2010-2020

2.2Phạm vi nghiên cứu:

Tiểu luận được thực hiện chỉ nghiên cứu các NHTM Việt Nam, không nghiên cứu các NH nước ngoài, chi nhánh NH nước ngoài, NH liên doanh Trong số các NHTM Việt Nam, tác giả đã chọn ra 20 NH vì các NH này có số liệu tương đối chính xác, có quy mô từ nhỏ tới lớn và chiếm tỷ trọng gần 70% trên tổng số NHTM Việt Nam, gần như đại diện được cho tổng thể Các ngân hàng còn lại không thu thập vì số liệu trong BCTC không rõ ràng, không phục vụ được cho các yếu tố sẽ đưa vào mô hình Cơ sở

dữ liệu thu thập trong luận văn lấy từ các BCTC năm của các ngân hàng, báo cáo của

4 NHNN trong giai đoạn 2011-2020 (dữ liệu theo năm), Tổng cục tống kê để lập thànhbảng dữ liệu Chi tiết danh mục, số liệu và tổng tài sản của 20 NHTM được nêu trong

phụ lục số 1 Về thời gian: Tiểu luận nghiên cứu thực trạng các nhân tố ảnh hưởng đếnkhả năng sinh lời của các NHTM Việt Nam trong giai đoạn 2011-2020.

3 Mô hình nghiên cứu:

3.1 Phương pháp nghiên cứu:

Phương pháp hồi quy tuyến tính Bayes (Bayesian linear regress) thông qua thuật toán nghiên cứu Radom-walk Metropolis-Hastings sampling và thuật toán lấy mẫu Gibbs (Gibbs sampling)

3.2 Dữ liệu nghiên cứu:

Dữ liệu nghiên cứu là dữ liệu bảng cân bằng (table data) gồm 20 ngân hàng thươngmại tại Việt Nam, khoản thời gian từ năm 2011 đến năm 2020, được chia thành 10 thờiđoạn, tần suất hàng năm Như vậy có 20 ngân hàng và mỗi ngân hàng có 10 thời đoạn,tổng cộng có 200 quan sát cho mẫu nghiên cứu

Bảng 1- Danh sách các NHTM trong dữ liệu nghiên cứu

3 BID Ngân hàng TMCP Đầu tư và Phát triển Việt Nam

4 BVB Ngân hàng TMCP Bản Việt

5 CTG Ngân hàng TMCP Công Thương Việt Nam

6 EIB Ngân hàng TMCP Xuất nhập khẩu Việt Nam

7 HDB Ngân hàng TMCP Phát triển TPHCM

8 KLB Ngân hàng TMCP Kiên Long

9 LPB Ngân hàng TMCP Bưu điện Liên Việt

10 MBB Ngân hàng TMCP Quân Đội

12 NVB Ngân hàng TMCP Quốc Dân

13 SGB Ngân hàng TMCP Sài Gòn Công Thương

14 SHB Ngân hàng TMCP Sài Gòn - Hà Nội

15 STB Ngân hàng TMCP Sài Gòn Thương Tín

16 TCB Ngân hàng TMCP Kỹ thương Việt Nam

17 TCB Ngân hàng TMCP Tiên Phong

18 VCB Ngân hàng TMCP Ngoại thương Việt Nam

19 VIB Ngân hàng TMCP Quốc tế Việt Nam

20 VPB Ngân hàng TMCP Việt Nam Thịnh Vượng

Nguồn số liệu của bài nghiên cứu, được thu thập từ các BCTC của các NHTM qua các năm thông qua trang chủ của các NHTM và website vietstock.vn Tốc độ tăng trưởng GDP được lấy từ báo cáo trên trang web của World Bank

Tác giả lựa chọn 20 ngân hàng trên là vì đây là các ngân hàng thương mại cổ phần niêm yết trên sàn HOSE, HNX và UpCom Các ngân hàng được chọn là các ngân hàng

thương mại cổ phần thành lập trên 10 năm, không phải là các ngân hàng dạng đặc biệt Đây là những ngân hàng công bố thông tin đầy đủ và tổng tài sản của 20 ngân hàng này chiếm tỷ trọng lớn trong tổng tài sản của hệ thống ngân hàng Việt Nam, vì vậy có tính đại diện cao cho tổng thể theo các biến trong mô hình nghiên cứu Lựa chọn khoảng thời gian2011-2020 vì đây là khoảng thời gian gần hiện tại nhất, kết quả nghiên cứu gần nhất với thực tiễn và do đó có thể sử dụng để nêu ra các hàm ý chính sách cho các ngân hàng thương mại tại Việt Nam.

3.3Mô hình nghiên cứu:

Nghiên cứu làm sáng tỏ sự tác động của một số yếu tố đến khả năng sinh lợi của Ngân hàng thương mại tại Việt Nam bằng cách sử dụng mô hình nghiên cứu:

𝑅𝑅 𝑅 = 0 + 𝑅 𝑅1𝑅𝑅 + 𝑅2𝑅𝑅 𝑅 + 𝑅3𝑅𝑅 + 𝑅4𝑅 𝑅𝑅 + 𝑅5𝑅 𝑅𝑅 𝑅6𝑅𝑅 𝑅 + + 𝑅 với a0,a1,a2,a3,a4,a5,a6, là các tham số của mô hình, trong đó a0 là hệ số chặn, a1,a2,a3,a4,a5,a6 là tham số chưa biết của mô hình và u là sai số ngẫu nhiên;

Ý nghĩa và cách tính các biến được trình bày như sau:

Biến phụ thuộc: Lợi nhuận là mục tiêu cuối cùng của các NHTM Tất cả những chiến lược thiết kế và các hoạt động được thực hiện đều là để đạt được mục tiêu lớn này Để đo khả năng sinh lợi của các NHTM người ta sử dụng các tỷ số tài chính khác nhau Các nghiên cứu trước đây cho thấy các tỷ lệ tài chính như ROA, ROE và NIM là những chỉ số được sử dụng phổ biến Tuy nhiên ROA cho thấy tính hiệu quả của các quyết định về chính sách sử dụng tài sản để kiếm lợi nhuận, đồng thời khả năng xử lý các yếu tố không thể kiểm soát được từ sự can thiệp của nền kinh tế và chính phủ mà không bị bóp méo từ

hệ số nhân vốn hay đòn bẩy tài chính (Nguyen Hien & Nguyen Dung, 2018), đây được xem là chỉ tiêu tốt nhất, là thước đo khả năng sinh lời tốt nhất so với các chỉ tiêu khác (IMF, 2002; Athanasoglou & cộng sự, 2008; ECB, 2010) Do đó tác giả chỉ lựa chọn một biến phụ thuộc duy nhất cho mô hình nghiên cứu là tỷ suất sinh lời trên tổng tài sản (ROA

- Return On Assets) –đại diện cho khả năng sinh lời của ngân hàng

Biến độc lập:

Mô hình gồm 6 biến độc lập là EM, LDR, FC, NII, NPI và GDP Các biến độc lập được mô tả cụ thể tại Bảng 2

Việc lựa chọn các biến độc lập căn cứ vào kết quả nghiên cứu của các tác giả trong

và ngoài nước cho thấy các biến này có tác động nhiều đến biến phụ thuộc ROA

Bảng 2 - Bảng mô tả các biến độc lập

Mô hình 1: Hồi quy tuyến tính Bayes sử dụng tiên nghiệm mặc định: Tiên

nghiệm cho tất cả các tham số có phân phối chuẩn normal (0,10000), tiên nghiệm chophương sai là tiên nghiệm phi thông tin igamma (0.01,0.01)

Mô hình 2: Hồi quy tuyến tính Bayes sử dụng tiên nghiệm phi thông tin: Tiên

nghiệm cho tất cả các tham số là flat, tiên nghiệm cho phương sai là jeffreys

Mô hình 3: Hồi quy tuyến tính Bayes sử dụng tiên nghiệm phân phối chuẩn

thông tin: Tiên nghiệm cho tất cả các tham số là phân phối chuẩn normal (0,1), tiênnghiệm cho phương sai là tiên nghiệm phi thông tin igamma (0.01,0.01)

Mô hình 4: Hồi quy tuyến tính Bayes sử dụng tiên nghiệm đa thức zellners:

Tiên nghiệm cho tất cả các tham số là zellners, tiên nghiệm cho phương sai là igammađược dựa trên kết quả ước lượng OLS

FC Chi phí huy động (Funding

Trong nghiên cứu này tác giả sử dụng 5 mô hình Bayes như sau:

Mô hình 1: Hồi quy tuyến tính Bayes sử dụng tiên nghiệm mặc định: Tiên

nghiệm cho tất cả các tham số có phân phối chuẩn normal (0,10000), tiên nghiệm chophương sai là tiên nghiệm phi thông tin igamma (0.01,0.01)

Mô hình 2: Hồi quy tuyến tính Bayes sử dụng tiên nghiệm phi thông tin: Tiên

nghiệm cho tất cả các tham số là flat, tiên nghiệm cho phương sai là jeffreys

Mô hình 3: Hồi quy tuyến tính Bayes sử dụng tiên nghiệm phân phối chuẩn

thông tin: Tiên nghiệm cho tất cả các tham số là phân phối chuẩn normal (0,1), tiênnghiệm cho phương sai là tiên nghiệm phi thông tin igamma (0.01,0.01)

Mô hình 4: Hồi quy tuyến tính Bayes sử dụng tiên nghiệm đa thức zellners:

Tiên nghiệm cho tất cả các tham số là zellners, tiên nghiệm cho phương sai là igammađược dựa trên kết quả ước lượng OLS

Mô hình 5: Hồi quy tuyến tính Bayes sử dụng thuật toán Gibbs (Gibbs

sampling): Tiên nghiệm cho tất cả các tham số là phân phối chuẩn normal (0,10000),tiên nghiệm cho phương sai là tiên nghiệm phi thông tin igamma (0.01,0.01).Các mô hình nghiên cứu có:

- Cỡ mẫu MCMC mặc định là 10000

- Giai đoạn Burn-in: 2500

- Tổng các bước là 12500

Sau khi có kết quả ước lượng của 05 mô hình, để lựa chọn mô hình tốt nhất với

dữ liệu để phân tích, tác giả sẽ so sánh 05 mô hình trên theo 2 cách: Sử dụng kiểm địnhchuẩn thông tin Bayes (Bayes factor) và kiểm định mô hình Bayes (Bayes model tests)

Vì nghiên cứu đang dùng thuật toán MCMC nên để tiến tới suy diễn thống kêthì phải kiểm tra tính hội tụ của mô hình đã lựa chọn Tác giả sử dụng cách kiểm tratính hội tụ: Kiểm tra thông qua biểu đồ vết (trace flot), biểu đồ về tự tương quan(autocorrelation), biểu đồ cusum, kiểm định cỡ mẫu hiệu quả, ngoài ra còn thực hiệnkiểm tra xác suất các khoảng tin cậy

3.1 Kết quả ước lượng Bayes

 Mô hình 1: Hồi quy tuyến tính Bayes sử dụng tiên nghiệm mặc

định: Tiên nghiệm cho tất cả các tham số có phân phối chuẩnnormal (0,10.000), tiên nghiệm cho phương sai là tiên nghiệmphi thông tin igmma (0.01,0.01)

Kết quả ước lượng mô hình 1 được trình bày ở Bảng 3:

Bảng 3 - Kết quả ước lượng mô hình 1

Mean S td De v MCSE Med ian

Equa l- tailed [95 % Cred Interva l]

 Mô hình 2: Hồi quy tuyến tính Bayes sử dụng tiên nghiệm phi

thông tin: Tiên nghiệm cho tất cả các tham số là flat, tiên

nghiệm cho phương sai là jeffreys

Kết quả ước lượng mô hình 2 được trình bày ở Bảng 4:

Bảng 4 - Kết quả ước lượng mô hình 2

Equa l-t a iled [95 % C red

Nguồn: Kết quả tính toán theo phần mềmStata 17

 Mô hình 3: Hồi quy tuyến tính Bayes sử dụng tiên nghiệm phân

phối chuẩn thông tin: Tiên nghiệm cho tất cả các tham số làphân phối chuẩn normal (0,1), tiên nghiệm cho phương sai làtiên nghiệm phi thông tin igmma (0.01,0.01)

Kết quả ước lượng mô hình 3 được trình bày ở Bảng 5:

Bảng 5- Kết quả ước lượng mô hình 3

Equa l-ta iled [95 % Cred Inte rva l]

 Mô hình 4: Hồi quy tuyến tính Bayes sử dụng tiên nghiệm đa

thức zellners: Tiên nghiệm cho tất cả các tham số là zellners,tiên nghiệm cho phương sai là igmma được dựa trên kết quảước lượng OLS

Tác giả sử dụng ước lượng OLS để chọn ra giá trị bậc tự do, phương sai củatiên nghiệm Zellner’s g-prior các giá trị này sẽ được sử dụng để đưa vào một mô hìnhBayes

Kết quả ước lượng OLS được trình bày như Bảng 6:

Bảng 6 - Kết quả ước lượng OLS

ROA C oef S td E rr t P>|t | [95 % Con f In terva l]

Kết quả ước lượng mô hình 4 được trình bày ở Bảng 7:

Bảng 7 - Kết quả ước lượng mô hình 4

Mean Std De v MCSE Med ian

E qua l- tailed [95 % C red Inte rva l]

var 0000121 8 66e -07 3 4e -08 0000121 0000104 0000138

Nguồn: Kết quả tính toán theo phần mềmStata 17

 Mô hình 5: Hồi quy tuyến tính Bayes sử dụng thuật toán Gibbs

(Gibbs sampling): Tiên nghiệm cho tất cả các tham số là phânphối chuẩn normal (0,10.000), tiên nghiệm cho phương sai làtiên nghiệm phi thông tin igamma (0.01,0.01)

Kết quả ước lượng mô hình 5 được trình bày ở Bảng 8:

S our ce SS df MS N umber of ob s = 200

F (6, 193 ) = 122 83 Mode l 008781017 6 001463503 P rob > F = 0.0000

Re s idua l 002299605 193 000011915 R -squa red = 0.7925

To t al

Adj R- s qua r ed = 0.7860 011080622 199 000055682 R oot M SE = 00345

Bảng 8 - Kết quả ước lượng mô hình 5

Mean S td Dev MCSE Med ian

Equa l-tailed [95% C red

var 0000121 8 66e -07 3 4e-08 0000121 0000104 0000138

Nguồn: Kết quả tính toán theo phần mềmStata 17

3.2 Lựa chọn mô hình phù hợp nhất cho phân tích tiếp theo

Để lựa chọn được mô hình phù hợp nhất với dữ liệu trong 5 mô hình trên, tác giả

sử dụng 2 kiểm định là kiểm định chuẩn thông tin Bayes và kiểm định mô hình Bayes:

a)Kiểm định tiêu chuẩn thông tin Bayes (Bayes factor test)

Kết quả so sánh theo tiêu chuẩn thông tin Bayes được trình bày ở Bảng 9:

Bảng 9 - Kết quả so sánh chuẩn thông tin Bayes

Nguồn: Kết quả tính toán theo phần mềmStata 17

Mô hình phù hợp là mô hình có DIC nhỏ nhất, log (ML) lớn nhất và log (BF)lớn nhất Dựa vào kết quả kiểm định trên, ta thấy log (ML), log (BF) của mô hình 4 làlớn nhất và DIC của mô hình 4 là nhỏ nhất, do đó chọn mô hình 4 Để chắc chắn hơn

về kết quả lựa chọn mô hình, tác giả tiếp tục thực hiện thêm kiểm định mô hình Bayes

b) Kiểm định mô hình Bayes (Bayes Model test)

Kết quả kiểm định mô hình Bayes được trình bày ở bảng 10:

Bảng 10 - Kết quả so sánh theo kiểm định mô hình Bayes

Nguồn: Kết quả tính toán theo phần mềmStata 17

Mô hình phù hợp là mô hình có P(M|y) lớn nhất Dựa vào kết quả kiểm địnhtrên cho cho thấy P(M|y) – xác suất tồn tại các mô hình là như nhau Tuy nhiênLog(ML) của mô hình 4 vẫn đảm bảo lớn nhất

Từ 2 phép so sánh trên tác giả thực hiện chọn mô hình 4 để tiếp tục suy diễnthống kê Vì nghiên cứu đang dùng thuật toán MCMC nên để tiến tới suy diễn thống

kê thì phải kiểm tra tính hội tụ của mô hình đã lựa chọn

3.3 Kiểm định hội tụ của chuỗi MCMC đối với mô hình 4:

Sử dụng lại kết quả ước lượng mô hình 4 ở trên

Quan sát bảng kết quả

- Sai sốố chu n MCSE c a các biếốn đ c l p đếều < 0,1 ẩ ủ ộ ậ đ tạ

- Acceptance rate = 0.2947 (nằềm trong kho n 0.1-0.5) ả đ tạ

- Efficiency avg= 0.05 > 0.01 đ tạ

Kiểm tra hội tụ của chuỗi MCMC (mặc định) qua biểu đồ vết:

Biểu đồ 1 - Kết quả kiểm định chuỗi hội tụ MCMC thông qua biểu đồ vết

Nguồn: Kết quả tính toán theo phần mềm Stata 16

Quan sát biểu đồ trên, phân phối của các tham số chưa chuyển động nhanh vềphía một hằng số, vẫn còn các chuyển động lệch so với xu hướng chung, chứng tỏ hội

tụ của chuỗi MCMC cho các tham số chưa đạt yêu cầu

3.4 Điều chỉnh mô hình 4 và thực hiện ước lượng lại:

Kết quả từ biểu đồ 1 cho thấy các tham số chưa hội tụ, tác giả cho rằng với mẫu(MCMC sample size) mặc định 10000 chưa đủ tin cậy, vẫn còn nghi vấn để kết luậnsuy diễn thống kê vì vậy nhóm quyết định tăng mẫu từ 10000 lên 50000, làm mỏngmẫu (thinning (5)) và khóa phương sai (block({sigma2}))

Cỡ mẫu 50000

Giai đoạn burn-in 2500 bước

Kết quả ước lượng của mô hình 4 sau khi thực hiện các biện pháp điều chỉnh được trình bày ở bảng 11:

Bảng 11- Kết quả ước lượng mô hình 4 sau khi điều chỉnh

Nguồn: Kết quả tính toán theo phần mềm Stata 16

Kết quả ước lượng cho thấy:

- Sai sốố chu n MCSE c a các biếốn đ c l p đếều < 0,1 ẩ ủ ộ ậ đ tạ

- Acceptance rate = 0.3376 (nằềm trong kho ng 0.1-0.5) ả đ tạ

- Efficiency agv= 0.15 > 0.01 đ tạ

Vì nghiên cứu đang dùng thuật toán MCMC nên để tiến tới suy diễn thống kê thìphải kiểm tra tính hội tụ của mô hình đã lựa chọn

3.5 Kiểm định hội tụ chuỗi MCMC của mô hình 4 sau điều chỉnh:

a)Kiểm tra hội tụ sử dụng biểu đồ vết

Kết quả kiểm định được thể hiện như biểu đồ 2: