L ời cảm ơn Trước hết, em xin được tỏ lòng biết ơn và gửi lời cảm ơn chân thành nhất đến TS.Nguyễn Hồng Yến, người đã trực tiếp hướng dẫn khóa luận và tận tình giúp đỡ em hoàn thành khóa
CƠ SỞ LÍ LU Ậ N PHÂN TÍCH HI Ệ U QU Ả HO ẠT ĐỘ NG C Ủ A CÁC NGÂN HÀNG THƯƠNG MẠ I THÔNG QUA MÔ HÌNH CAMEL
Vấn đề cơ bản về hiệu quả hoạt động của các NHTM
1.1.1 Khái ni ệm hiệu quả hoạt động
Trong lĩnh vực tài chính-ngân hàng, hiệu quả hoạt động được hiểu theo nhiều cách khác nhau Theo Antonio, Ludger và Vito (2006), hiệu quả được xác định qua sự so sánh giữa đầu vào và đầu ra, cụ thể là lợi nhuận và chi phí Hoạt động nào tạo ra đầu ra lớn hơn với cùng một mức đầu vào sẽ được coi là hoạt động hiệu quả hơn.
Theo Từ điển toán kinh tế, Thống kê, kinh tế lượng Anh-Việt của PGS.TS Nguyễn Khắc Minh (2004), hiệu quả được định nghĩa là mức độ thành công mà doanh nghiệp hoặc ngân hàng đạt được trong việc phân bổ các đầu vào và đầu ra, nhằm đáp ứng các mục tiêu đã đề ra.
Như vậy, có thể hiểu hiệu quả hoạt động theo ba hướng:
- Tối thiểu hóa chi phí, tức là sử dụng ít các yếu tố đầu vào nhất như vốn, cơ sở vật chất, lao động… để tạo ra thu nhập
- Giữ nguyên đầu vào nhưng tạo ra lượng đầu ra nhiều hơn
Sử dụng yếu tố đầu vào lớn hơn nhưng đạt được lượng đầu ra tăng nhanh hơn là một chiến lược quan trọng trong hoạt động của hệ thống ngân hàng thương mại (NHTM) Hiệu quả hoạt động ngân hàng không chỉ ảnh hưởng đến sự phát triển của các tổ chức tài chính mà còn có vai trò then chốt trong nền kinh tế Các ngân hàng hiện nay phải liên tục nâng cao hiệu quả hoạt động để củng cố tiềm lực tài chính và đảm bảo an toàn trong bối cảnh nền kinh tế mở.
Theo giáo sư Peter S Rose, các ngân hàng thương mại (NHTM) có thể được xem như một tập đoàn kinh doanh với mục tiêu chính là tối đa hóa lợi nhuận trong phạm vi rủi ro cho phép Khả năng sinh lời là yếu tố quan trọng nhất mà các ngân hàng quan tâm, vì nó giúp thu hút vốn đầu tư và mở rộng thị phần Hiệu quả hoạt động của ngân hàng được hiểu là mức độ thành công trong việc phân bổ các yếu tố đầu vào và đầu ra nhằm tối đa hóa lợi nhuận trong giới hạn rủi ro cho phép.
1.1.2 Ý nghĩa của việc nâng cao hiệu quả hoạt động của các NHTM
Các ngân hàng thương mại (NHTM) hoạt động hiệu quả sẽ giảm chi phí cung ứng vốn tín dụng và các dịch vụ ngân hàng khác như thanh toán, từ đó nâng cao năng lực cạnh tranh Việc giảm chi phí này tạo điều kiện cho NHTM hạ giá dịch vụ, góp phần thúc đẩy phát triển kinh tế.
Khi các ngân hàng thương mại hoạt động hiệu quả, điều này sẽ tạo điều kiện thuận lợi cho việc gia tăng tích lũy và đầu tư vào công nghệ, từ đó nâng cao lợi ích cho các cổ đông trong ngân hàng.
Các phương pháp đánh giá hiệ u qu ả ho ạt độ ng c ủa Ngân hàng thương
Mô hình Dupont là công cụ phân tích tài chính quan trọng, đặc biệt trong lĩnh vực ngân hàng thương mại, giúp đo lường khả năng sinh lời thông qua tỷ lệ lợi nhuận ròng trên vốn chủ sở hữu (ROE) Tỷ lệ này không chỉ phản ánh hiệu quả hoạt động kinh doanh của ngân hàng mà còn ảnh hưởng lớn đến quyết định đầu tư của các nhà đầu tư, những người muốn biết mức lợi nhuận tiềm năng từ khoản đầu tư của họ vào ngân hàng.
ROE bao gồm hiệu quả quản trị chi phí thuế, hiệu quả quản trị chi phí, hiệu quả quản trị tài sản, hiệu suất sử dụng tài sản và số nhân đòn bẩy, theo nghiên cứu lập và phân tích báo cáo tài chính của NHTM năm 2017 tại Học viện Ngân hàng.
Phân tích này giúp các nhà quản trị ngân hàng xác định nhân tố nào ảnh hưởng lớn nhất đến tỷ lệ thu nhập trên vốn chủ sở hữu Đồng thời, họ có thể đánh giá mức độ đạt được của các tỷ lệ này so với mong muốn, từ đó đưa ra quyết định quản trị phù hợp với điều kiện cụ thể của ngân hàng.
Hệ thống đánh giá CAMEL là công cụ quan trọng để đánh giá sức mạnh tài chính của các tổ chức tài chính, dựa trên năm tiêu chí cốt lõi: vốn, chất lượng tài sản, quản lý, doanh thu và mức thanh khoản Tên gọi CAMEL được hình thành từ chữ cái đầu của các yếu tố này, bao gồm Capital (Vốn), Asset quality (Chất lượng tài sản), Management (Quản lý), Earnings (Doanh thu) và Liquidity (Thanh khoản).
Hệ thống đánh giá CAMEL, được phát triển bởi Cục Quản lý các tổ hợp tín dụng Hoa Kỳ (NCUA), đã được nhiều quốc gia trên thế giới áp dụng, đặc biệt là sau khủng hoảng kinh tế châu Á.
Năm 1997, Quỹ Tiền tệ Quốc tế và Nhóm Ngân hàng Thế giới đã khuyến nghị áp dụng hệ thống đánh giá CAMEL tại các quốc gia đang gặp khủng hoảng, nhằm tái thiết khu vực tài chính.
Hệ thống đánh giá CAMEL được sử dụng như một quy tắc chuẩn trong phân tích tài chính nhằm giám sát hoạt động của các tổ chức tín dụng Đây không phải là quy định bắt buộc mà là mô hình tham khảo giúp ngân hàng đánh giá hiệu quả hoạt động của mình Sau khủng hoảng kinh tế châu Á 1997, Quỹ Tiền tệ Quốc tế và Nhóm Ngân hàng Thế giới đã khuyến nghị áp dụng hệ thống này tại các quốc gia bị ảnh hưởng để tái thiết khu vực tài chính.
CAMEL là một mô hình tiêu chuẩn trong phân tích tài chính, được sử dụng để giám sát tình hình tài chính của các tổ chức tín dụng (TCTD) Mặc dù không phải là quy định bắt buộc, CAMEL cung cấp một công cụ tham khảo hữu ích, giúp các ngân hàng đánh giá hiệu quả hoạt động của mình.
1997, các yếu tố cấu thành CAMEL được bổ sung thêm một nội dung nữa là mức độ nhạy cảm với thị trường của ngân hàng( Sensitivity)
Hầu hết các quốc gia áp dụng mô hình CAMEL để đánh giá hiệu quả hoạt động của các ngân hàng Một số ngân hàng trung ương và ngân hàng thương mại tại một số quốc gia, như Nhật Bản, cũng sử dụng mô hình này, trong khi Hàn Quốc áp dụng phiên bản mở rộng là CAMELs, bao gồm các yếu tố như Vốn, Tài sản, Lợi nhuận và Thanh khoản.
Assets, Management, Earnings, Liquidity, stress testing)
Mô hình CAMEL cung cấp cái nhìn tổng quan về tình hình tài chính của ngân hàng, với các yếu tố được điều chỉnh theo điều kiện kinh tế, chính trị và pháp lý của từng quốc gia Nhiệm vụ của nhà phân tích là đánh giá an toàn vốn, chất lượng tài sản, nguồn vốn, hiệu quả quản trị, khả năng thanh khoản và khả năng sinh lời của ngân hàng Mặc dù việc này không dễ dàng, nhưng việc áp dụng khung hành động CAMEL giúp nâng cao tính khả thi trong phân tích.
Tại Việt Nam, Ngân hàng Nhà nước (NHNN) đã quy định việc đánh giá và xếp hạng các ngân hàng thương mại cổ phần (NHTMCP) thông qua mô hình CAMEL, được thể hiện trong Quyết định 06/2008/QĐ-NHNN Mô hình CAMEL bao gồm các tiêu chí đánh giá và xếp loại cụ thể, giúp đảm bảo sự minh bạch và hiệu quả trong quản lý các NHTMCP.
4 Kết quả hoạt động kinh doanh
5 Khả năng thanh khoản Điều đó có nghĩa là Ngân hàng trung ương Việt Nam đã sử dụng CAMEL trong công tác quản lý hệ thống tài chính ngân hàng của mình Tuy nhiên, trong số tất cả các ngân hàng thương mại Việt Nam, người ta chưa hề sử dụng mô hình CAMEL, Cael hay CAMELs theo đúng nghĩa thực sự của nó trong công tác phân tích tài chính phục vụ ra quyết định hoạt động hiệu quả của Ban lãnh đạo ngân hàng Ở đó, các cán bộ phân tích tài chính hay các Phòng Phân tích tài chính mới chỉ đưa ra cho mình một sổ lượng không nhiều các chỉ tiêu phục vụ cho công việc của mình, và trong số đó cũng chỉ có rất ít tiêu chuẩn của CAMEL được ứng dụng Đó là một điểm yếu rất lớn đối với các tổ chức tài chính Việt Nam cần phải được khắc phục nhanh chóng để có thể dự đoán và ừánh được nhiều hơn những rủi ro trong hoạt động tài chính ngân hàng của mình
1.2.3 Ưu nhược điểm khi phân tích hiệu quả hoạt động của ngân hàng qua mô hình CAMEL Ưu điểm
Mô hình CAMEL là một công cụ phân tích toàn diện, giúp các nhà quản trị ngân hàng phát hiện thiếu sót trong hoạt động kinh doanh và đề xuất biện pháp khắc phục Các chỉ tiêu trong mô hình CAMEL, như ROA và ROE, cũng xuất hiện trong các mô hình khác như Dupont, nhằm đánh giá khả năng sinh lời của ngân hàng thương mại Điểm đặc biệt của mô hình CAMEL là các nhân tố được gán trọng số cụ thể, với các chỉ tiêu về chất lượng nguồn vốn, tài sản, quản lý, khả năng sinh lời và thanh khoản lần lượt là 15%, 21%, 23%, 24% và 17% Điều này cho phép đánh giá mức độ quan trọng của từng yếu tố, khác với một số mô hình phân tích tài chính khác.
Mô hình CAMEL được sử dụng trong phân tích tài chính các tổ chức tín dụng nhằm đánh giá và giám sát ngân hàng, nhưng việc áp dụng gặp nhiều khó khăn, đặc biệt là ở các nước đang phát triển như Việt Nam Để phân tích hiệu quả, các số liệu phải chính xác và minh bạch, tuy nhiên, tính chân thực của thông tin trên báo cáo tài chính (BCTC) thường gây tranh cãi Việc dựa vào thông tin sai lệch khi đánh giá xếp hạng ngân hàng thông qua mô hình CAMEL có thể dẫn đến kết quả không chính xác, gây khó khăn trong việc đưa ra quyết định quản lý phù hợp.
Các nhân t ố ảnh hưởng đế n hi ệ u qu ả ho ạt độ ng c ủ a các NHTM
Hiệu quả hoạt động là yếu tố quyết định sự sống còn và phát triển của ngân hàng thương mại (NHTM) Nâng cao hiệu quả sẽ giúp NHTM mở rộng kinh doanh và cải thiện hình ảnh Để xác định các hướng đi phù hợp, cần phân tích các nhân tố ảnh hưởng đến hiệu quả kinh doanh của NHTM.
Có hai nhóm nhân tố chính ảnh hưởng đến ngân hàng: nhân tố bên trong và nhân tố bên ngoài Mức độ tác động của các nhân tố này phụ thuộc vào đặc điểm riêng của từng ngân hàng.
Môi trường về kinh tế, chính trị, xã hội trong và ngoài nước
Ngân hàng thương mại (NHTM) đóng vai trò là trung gian tài chính, kết nối những cá nhân và tổ chức có thặng dư vốn với những bên cần vốn trong nền kinh tế Vì vậy, bất kỳ sự thay đổi nào trong môi trường kinh tế, chính trị hoặc xã hội đều có ảnh hưởng sâu rộng đến hoạt động của NHTM và toàn ngành ngân hàng.
Môi trường chính trị, kinh tế và xã hội ổn định là yếu tố then chốt giúp các ngân hàng thương mại hoạt động hiệu quả Sự ổn định này tạo điều kiện thuận lợi cho hoạt động sản xuất kinh doanh diễn ra bình thường, từ đó phát sinh nhu cầu vay vốn của các doanh nghiệp.
Khi nền kinh tế phát triển và ổn định, nhu cầu mở rộng sản xuất kinh doanh của các thành phần kinh tế gia tăng, dẫn đến việc tăng nhu cầu vốn Điều này giúp các ngân hàng thương mại có cơ hội mở rộng dư nợ tín dụng và giảm tỷ lệ nợ xấu, nhờ vào việc nâng cao năng lực tài chính của các doanh nghiệp.
Môi trường chính trị và xã hội không ổn định dẫn đến giảm nhu cầu vay vốn, gia tăng nợ quá hạn và nợ xấu, làm giảm hiệu quả hoạt động của các ngân hàng thương mại Gần đây, dịch Covid-19 đã ảnh hưởng nặng nề đến các doanh nghiệp, gây khó khăn cho họ và khiến hầu hết ngân hàng cũng bị tác động Một số ngân hàng phải xem xét cắt giảm nhân sự, vì khi doanh nghiệp không thể trả nợ, ngân hàng phải trích lập dự phòng nhiều hơn, ảnh hưởng đến lợi nhuận.
Môi trường pháp lý đóng vai trò quan trọng trong việc đảm bảo tính đồng bộ và đầy đủ của hệ thống luật và các văn bản dưới luật Khi hệ thống văn bản pháp luật không được xây dựng một cách phù hợp và hoàn chỉnh, sẽ dẫn đến những tranh chấp phát sinh, gây thiệt hại cho ngân hàng và làm giảm hiệu quả hoạt động Chẳng hạn, việc thanh lý tài sản bảo đảm có thể kéo dài và tốn kém do thiếu các quy định pháp lý rõ ràng, ảnh hưởng tiêu cực đến ngân hàng.
Các nhân tố chủ quan ảnh hưởng đến sự phát triển của doanh nghiệp bao gồm năng lực tài chính, khả năng quản trị điều hành, ứng dụng khoa học công nghệ và trình độ, chất lượng của đội ngũ nhân sự.
Năng lực tài chính, đặc biệt là vốn chủ sở hữu, là yếu tố quyết định để mở rộng kinh doanh Việc tăng vốn chủ sở hữu và vốn tự có giúp các ngân hàng thương mại nâng cao khả năng cạnh tranh, giảm thiểu rủi ro và thu hút thêm vốn Điều này tạo điều kiện cho việc phát triển nhân lực, đầu tư công nghệ hiện đại, mở rộng mạng lưới và cải thiện cơ sở vật chất, từ đó nâng cao chất lượng dịch vụ và tăng lợi nhuận cũng như hiệu quả hoạt động của ngân hàng.
Năng lực quản trị điều hành bao gồm cơ cấu tổ chức của bộ máy quản lý, trình độ chuyên môn của nhà quản lý, và tính hiệu quả của quy chế quản lý trong việc ứng phó với thay đổi thị trường và tình huống bất ngờ Điều này thể hiện qua việc giảm thiểu chi phí hoạt động và nâng cao hiệu quả sử dụng các yếu tố đầu vào nhằm tối đa hóa đầu ra.
Trong bối cảnh khoa học công nghệ phát triển mạnh mẽ, các ngân hàng thương mại (NHTM) cần nâng cao khả năng ứng dụng công nghệ để cạnh tranh hiệu quả Năng lực công nghệ của ngân hàng không chỉ bao gồm việc trang bị các thiết bị hiện đại mà còn liên quan đến mức độ ứng dụng công nghệ vào sản phẩm dịch vụ và tính độc đáo trong công nghệ của từng NHTM.
Trình độ và chất lượng của người lao động là yếu tố quyết định hiệu quả hoạt động của các ngân hàng thương mại, mặc dù công nghệ ngày càng phát triển Việc sử dụng nhân lực có đạo đức nghề nghiệp và chuyên môn cao sẽ giúp giảm thiểu rủi ro cho ngân hàng.
Kết luận chương 1 của khóa luận đã trình bày rõ ràng cơ sở lý thuyết về hiệu quả hoạt động của các ngân hàng thương mại (NHTM), bao gồm các phương pháp phổ biến để đánh giá hiệu quả hoạt động và các yếu tố ảnh hưởng đến hiệu quả này Những nội dung này sẽ là nền tảng cho việc phân tích thực trạng và đề xuất giải pháp trong chương 3.
ĐÁNH GIÁ HIỆ U QU Ả HO ẠT ĐỘ NG C Ủ A CÁC NHTM VI Ệ T
Đánh giá tổ ng quan hi ệ u qu ả ho ạt độ ng c ủ a các N gân hàng thương mạ i
Vốn pháp lí hay mức độ đủ vốn( Capital Adequacy) là lượng vốn ngân hàng bắt buộc phải nắm giữ theo quy định của các cơ quan quản lí
(Xem ph ụ lục 1: Các chỉ số tài chính cơ bản của 10 NHTM được chọn)
Hệ số CAR của các ngân hàng thương mại (NHTM) được khảo sát đều tuân thủ quy định của Ngân hàng Nhà nước, với tỷ lệ trên 9% Một số ngân hàng như VCB, VIB và MSB duy trì tỷ lệ CAR cao, ví dụ VIB đạt 19,14% năm 2012 và MSB đạt 24,53% năm 2015 Trong khi đó, các NHTM lớn như Viettinbank và MB thường có tỷ lệ CAR thấp hơn, chỉ dao động quanh mức yêu cầu 9%.
Các NHTM nói chung cần vốn vì các lí do chủ yếu sau:
- Thứ nhất là để bù đắp những tổn thất không mong muốn
- Để bảo đảm an toàn cho khách hàng là những người gửi tiền cũng như các chủ nợ
- Bảo đảm QĐ của NHNN nhằm bảo vệ khách hàng là những người gửi tiền tại NHTM cũng như ổn định toàn hệ thống các NHTM
Vốn được xem như một tấm đệm cho các ngân hàng thương mại (NHTM) khi xảy ra tổn thất, với việc ngân hàng có nhiều vốn hơn cho phép quản trị viên theo đuổi các cơ hội kinh doanh rủi ro cao hơn, từ đó nâng cao lợi nhuận Tuy nhiên, câu hỏi đặt ra là mức vốn nào là hợp lý và an toàn, bởi quá nhiều vốn có thể làm giảm tỷ lệ đòn bẩy tài chính và khả năng tối đa hóa lợi nhuận cho cổ đông, trong khi quá ít vốn lại làm tăng mức độ rủi ro Thường thì, các NHTM ưa chuộng tỷ lệ vốn thấp để tối đa hóa lợi ích cho cổ đông, trong khi các cơ quan quản lý lại ủng hộ tỷ lệ cao hơn để đảm bảo an toàn.
Từ ngày 01/01/2020, thông tư 41/2016/TT-NHNN sẽ có hiệu lực, thay đổi cách tính tỷ lệ CAR bằng việc bao gồm các loại rủi ro như RRTD, RRHĐ và RRTT, thay vì chỉ tính rủi ro tín dụng như trước đây.
Ngân hàng Nhà nước đã giảm tỷ lệ CAR từ 9% xuống còn 8% để chuẩn bị cho việc áp dụng chuẩn Basel II, theo đó tỷ lệ CAR tối thiểu là 8% Nguyên nhân của sự giảm này là do công thức tính tỷ lệ CAR theo chuẩn Basel II mới đầy đủ hơn, phản ánh nhiều loại rủi ro trong hoạt động của ngân hàng, dẫn đến tỷ lệ CAR giảm khoảng 1% so với cách tính cũ.
Theo báo cáo năm 2016 của Ủy ban GSTCQG, tỷ lệ CAR của hệ thống ngân hàng đạt khoảng 11,3% Tuy nhiên, khi áp dụng tiêu chuẩn Basel II, tỷ lệ này giảm xuống còn 8,6% Sự giảm sút này chủ yếu do tài sản có quy đổi rủi ro tăng mạnh, ảnh hưởng đến 10 ngân hàng được chọn thí điểm áp dụng Basel II.
Đến năm 2019, hệ số CAR của các tổ chức tín dụng đạt 11,1%, nhưng nếu áp dụng chuẩn mới, tỷ lệ này chỉ còn 7-7,5%, thấp hơn nhiều so với mức bình quân của khu vực là 10-12%.
Để tăng tỉ lệ an toàn vốn tối thiểu theo quy định của NHNN và Basel 2, các ngân hàng thương mại thường lựa chọn tăng vốn tự có thay vì giảm tỉ lệ tài sản có rủi ro Trong các giải pháp nhằm tăng vốn tự có, việc tăng vốn từ lợi nhuận để lại là phương án phổ biến nhất.
Hiện nay, các tổ chức quốc tế và nhà đầu tư thường chú trọng đến hệ số CAR khi đánh giá ngân hàng thương mại, với tỷ trọng 20% trong tổng đánh giá Tuy nhiên, việc tăng vốn chủ sở hữu của các ngân hàng thương mại, đặc biệt là những ngân hàng có cổ phần chi phối từ nhà nước, đang gặp nhiều khó khăn (Tiến sĩ Cấn Văn Lực).
2.1.2 Ch ất lượng tài sản
Các ngân hàng thương mại (NHTM) sử dụng nguồn vốn huy động để tạo ra tài sản mang lại thu nhập, với mục tiêu tạo lợi nhuận và duy trì khả năng thanh khoản Tài sản lớn nhất của NHTM thường là danh mục dư nợ tín dụng, điều này đòi hỏi sự giám sát chặt chẽ từ các nhà quản trị, nhà đầu tư và cơ quan quản lý.
Việc phân tích chất lượng tài sản của các NHTM được đánh giá qua:
- Chất lượng các khoản đầu tư
- Tốc độ tăng trưởng tài sản tài chính
Nghiên cứu chủ yếu tập trung vào việc phân tích chất lượng tín dụng của các ngân hàng thương mại (NHTM) đã được lựa chọn, vì danh mục tín dụng chính là tài sản lớn nhất của những ngân hàng này.
Tỉ lệ nợ xấu của các ngân hàng thương mại (NHTM) được chọn luôn duy trì dưới 3% tổng dư nợ, đáp ứng quy định của Ngân hàng Nhà nước (NHNN) Tuy nhiên, có một số trường hợp cá biệt như VPB với tỉ lệ 3.2% vào năm 2018, Techcombank đạt 3.65% năm 2013, ACB cũng ở mức 3% trong năm 2013, và Sacombank ghi nhận tỉ lệ nợ xấu lần lượt là 5.85% năm 2015, 5.35% năm 2016 và 4.59% năm 2017.
Năm 2018, nợ xấu của ngân hàng VPB gia tăng vượt mức quy định, chủ yếu do công ty FE Credit Tỉ lệ nợ xấu của công ty tín dụng tiêu dùng này tăng cao, chủ yếu liên quan đến các khoản vay tiêu dùng tín chấp mà không có tài sản bảo đảm.
Nợ xấu tại Techcombank và ACB chủ yếu xuất phát từ tình hình kinh doanh khó khăn, khiến khách hàng không đủ khả năng trả nợ.
Còn đối với ngân hàng Sacombank thì tỉ lệ nợ xấu cao chủ yếu do sáp nhập với ngân hàng Sourthern Bank vào tháng 10/2015
Tính đến năm 2013, tỷ lệ nợ xấu của Southern Bank theo báo cáo kiểm toán nhà nước đạt 55,13%, nhưng thực tế con số này có thể còn cao hơn nhiều.
Hai phương án hiệu quả nhất để các ngân hàng thương mại (NHTM) loại bỏ nợ xấu khỏi báo cáo tài chính là bán nợ cho Công ty quản lý tài sản của các tổ chức tín dụng (VAMC) và thu hồi nợ, đồng thời thanh lý tài sản đảm bảo.
ĐÁNH GIÁ THỰ C NGHI Ệ M HI Ệ U QU Ả HO ẠT ĐỘ NG C Ủ A CÁC NGÂN HÀNG THƯƠNG MẠ I
C Ủ A C ÁC NGÂN HÀNG THƯƠNG MẠ I
2.2.1 Phương pháp nghiên cứu và mô hình lựa chọn
2.2.1.1 Phạm vi đối tượng và thời gian
Mẫu nghiên cứu bao gồm 10 NHTM cổ phần được thí điểm áp dụng Basels 2 từ năm 2014 bao gồm:
- Ngân hàng thương mại cổ phần Ngoại thương Việt Nam( VCB)
- Ngân hàng thương mại cổ phần Đầu tư và Phát triển Việt Nam( BIDV)
- Ngân hàng thương mại cổ phần Công Thương Việt Nam( Viettinbank)
- Ngân hàng thương mại cổ phần Á Châu(ACB)
- Ngân hàng thương mại cổ phần Quân đội( MBB)
- Ngân hàng thương mại cổ phần Sài Gòn Thương Tín( Sacombank)
- Ngân hàng thương mại cổ phần Kĩ Thương Việt Nam( Techcombank)
- Ngân hàng thương mại cổ phần Việt Nam Thịnh Vượng( VP bank)
- Ngân hàng thương mại cổ phần Quốc tế Việt Nam( VIB)
- Ngân hàng thương mại cổ phần Hàng Hải Việt Nam( Maritime bank)
Từ năm 2009 đến 2019, nghiên cứu này nhằm đánh giá tác động của các biến phụ thuộc đến hiệu quả hoạt động của ngân hàng, với biến đại diện là EPS.
Lý do chọn 10 ngân hàng này là vì đến tháng 09/2016, tổng vốn chủ sở hữu (VCSH) của chúng chiếm gần 44% tổng vốn tự có (VTC) của toàn ngành ngân hàng So với các ngân hàng khác, VTC của 10 ngân hàng này rất lớn, dao động từ 13.616 tỷ đồng (Maritimebank) đến 61.300 tỷ đồng (Viettinbank), trong khi VIB có VTC là 8.525 tỷ đồng.
Tương tự, VĐL của 10 NH này cũng chiếm 39% tổng VĐL toàn hệ thống ngân hàng với giá trị từ 4.845 tỷ đồng đến 1,6 tỷ đồng đến 37.234 tỷ đồng
Nguồn: BizLIVE Tính đến 30/06/2019, TTS của 10 ngân hàng được chọn chiếm 49% toàn hệ thống ngân hàng
Dữ liệu được phân chia thành dữ liệu sơ cấp và dữ liệu thứ cấp Dữ liệu sơ cấp, hay còn gọi là dữ liệu gốc, là thông tin thu thập trực tiếp từ đối tượng nghiên cứu mà chưa qua xử lý, giúp đảm bảo tính chính xác và cập nhật Mặc dù dữ liệu sơ cấp mang lại cái nhìn sâu sắc về đối tượng nghiên cứu, nhưng việc thu thập loại dữ liệu này thường tốn kém về thời gian và chi phí.
Dữ liệu thứ cấp là dữ liệu được thu thập sẵn, đã công bố nên dễ thu thập, ít tốn thời gian, chi phí trong quá trình thu thập
Nghiên cứu này dựa trên việc sử dụng các số liệu có sẵn từ báo cáo tài chính của các ngân hàng thương mại được chọn, cùng với các thông tin đã được tính toán từ báo cáo của công ty chứng khoán HSC và các nguồn uy tín khác.
Mô hình hồi quy trong nghiên cứu này được xây dựng dựa trên mô hình của Abdul Ishaq và các cộng sự (2015) về ứng dụng mô hình CAMEL trong đánh giá hiệu quả ngân hàng, với 9 biến độc lập tương ứng với các chỉ tiêu trong mô hình CAMEL như tỉ lệ tiền gửi trên vốn chủ sở hữu (TDEt), tỉ lệ nợ xấu (NPLGt), tỉ lệ nợ xấu trên vốn chủ sở hữu (NPLEt), tỉ lệ chi phí quản lí trên thu nhập lãi (AEIIt), tỉ lệ huy động trên cho vay (GATDt), tỉ lệ thu nhập trên tổng tài sản (ROAt), tỉ lệ thu nhập trên vốn chủ sở hữu (ROEt), tỉ lệ thu nhập lãi trên tổng tài sản và tỉ lệ khả năng thanh toán ngay (CRt) Biến phụ thuộc đại diện cho hiệu quả hoạt động của ngân hàng được chọn là thu nhập trên mỗi cổ phiếu (EPSt) Mô hình này đã được phát triển từ nhiều nghiên cứu trước đó, bao gồm các tác giả như Momeni và HakimehGharibi (2012), Kouser và Saba (2012), Reddy (2012), Ifeacho và Ngalawa (2014), Jha và Hui (2012), Thirunavukkarasu và Parthiban (2015), Matthew và Esther (2012), cùng với Nagamani và Williams (2015).
EPS it = β 0 + β 1 TDE it + β2NPLG it + β 3 ROA it + β 4 ROE it + β 5 NPLE it + β 6 AEII it + β 7 INT it + β 8 GATD it + β 9 CR it +u it
Mô hình s ử dụng trong nghiên cứu
Mô hình mới sẽ thay thế một số biến trong mô hình gốc bằng các chỉ số tài chính dễ tiếp cận hơn từ báo cáo tài chính của các ngân hàng thương mại Cụ thể, biến TDE tỉ lệ tiền gửi trên vốn chủ sở hữu sẽ được thay bằng tỉ lệ an toàn vốn tối thiểu CAR, tỉ lệ chi phí quản lý trên thu nhập lãi AEII sẽ được thay thế bằng tỉ lệ chi phí trên thu nhập CIR, và tỉ lệ thu nhập lãi trên tổng tài sản INT sẽ được thay bằng tỉ lệ thu nhập lãi thuần NIM Cuối cùng, tỉ lệ huy động trên cho vay sẽ được thay thế bằng tỉ lệ LDR.
Mô hình khóa luận sẽ được áp dụng để kiểm chứng bằng cách thay thế các biến cho phù hợp với điều kiện của hệ thống ngân hàng tại Việt Nam.
EPS it = β 0 + β 1 CAR it + β2NPLG it + β 3 ROA it + β 4 ROE it + β 5 NPLE it + β 6 CIR it + β 7 NIM it + β 8 LDR it +β 9 CR it +u it
T ại sao lựa chọn EPS làm biến đại diện cho hiệu quả hoạt động của ngân hàng
Earnings per share (EPS) hay thu nhập trên mỗi cổ phiếu là chỉ số thể hiện lợi nhuận mà các ngân hàng phân bổ cho mỗi cổ phần thường đang lưu hành trên thị trường EPS được tính bằng công thức:
EPS= Lãi thuần−cổ tức cổ phần ưu đãi
Số cổ phiếu bình quân đang lưu hành
EPS, hay lợi nhuận trên mỗi cổ phiếu, có thể được coi là chỉ số thu nhỏ của lợi nhuận sau thuế, bao gồm hai loại: EPS cơ bản và EPS pha loãng Trong đó, EPS pha loãng có độ chính xác cao hơn vì nó phản ánh các sự kiện tương lai, bao gồm trái phiếu chuyển đổi, cổ phiếu ưu đãi và quyền mua cổ phiếu Tuy nhiên, do hạn chế về dữ liệu, bài viết này sẽ tập trung vào chỉ số EPS cơ bản.
Khi ngân hàng không chịu tác động từ các biến cố như hợp nhất hay sáp nhập, lượng cổ phiếu bình quân lưu hành tăng đột biến sẽ dẫn đến việc tỉ lệ EPS giảm sâu Tỉ lệ EPS cao của ngân hàng phản ánh năng lực kinh doanh mạnh mẽ, lợi nhuận cao và khả năng quản lý chi phí hiệu quả.
Cách tính các biến trong mô hình,và giả thuyết
Bảng 2.1 Cách tính các biến trong mô hình
Tên biến trong mô hình CAMEL
Tên biến chi tiết Cách tính Dấu kì vọng
Hiệu quả hoạt động Thu nhập trên mỗi cổ phiếu
EPS= Lãi thuần−cổ tức cổ phần ưu đãi
Số cổ phiếu bình quân đang lưu hành
Mức độ đủ vốn 𝐶𝐶𝐶𝐶𝐶𝐶= Vốn tự có
Tổng tài sản có rủi ro -
Tỉ lệ nợ xấu NPLG = Nợ nhóm 3,4,5
Tổng dư nợ tín dụng
Tỉ lệ chi phí trên thu nhập CIR = Chi phí hoạt động
Tỉ lệ cho vay trên huy động LDR = 𝑇𝑇ℎ𝑜𝑜 𝑣𝑣𝑣𝑣𝑣𝑣
Tỉ lệ thu nhập trên tổng tài sản 𝐶𝐶𝑅𝑅𝐶𝐶 =Tổng tài sản LNST
Tỉ lệ thu nhập trên VCSH = LNST VCSH
Tỉ lệ thu nhập lãi thuần NIM
Tỉ lệ dự trữ thanh khoản Tài sản có tính thanh khoản cao
Cơ sở pháp lí cho các biến tiêu biểu trong mô hình
Văn bản hợp nhất 26/VBHN-NHNN năm 2016 do Ngân hàng Nhà nước Việt Nam ban hành quy định về giới hạn và tỷ lệ bảo đảm an toàn trong hoạt động của tổ chức tín dụng và chi nhánh ngân hàng nước ngoài Một trong những điểm quan trọng trong thông tư này là quy định về tỷ lệ an toàn vốn tối thiểu, nhằm đảm bảo sự ổn định và an toàn cho hệ thống tài chính.
Tỷ lệ an toàn vốn tối thiểu là chỉ số quan trọng phản ánh khả năng tài chính của các tổ chức tín dụng, đặc biệt là các ngân hàng thương mại Chỉ số này được xác định dựa trên giá trị vốn tự có và mức độ rủi ro trong hoạt động của ngân hàng, giúp đảm bảo sự ổn định và an toàn cho hệ thống tài chính.
Tỷ lệ an toàn vốn được tính cho cả tài sản nội bảng và tài sản ngoại bảng
Tỷ lệ an toàn vốn tối thiểu của tổ chức tín dụng bao gồm hai loại: tỷ lệ an toàn vốn tối thiểu riêng lẻ và tỷ lệ an toàn vốn tối thiểu hợp nhất.
Tỷ lệ an toàn vốn tối thiểu riêng lẻ: Từng tổ chức tín dụng phải duy trì tỷ lệ an toàn vốn tối thiểu riêng lẻ 9%
Tỷ lệ an toàn vốn tối thiểu riêng lẻ
(%) Vốn tự có riêng lẻ x 100% TTS Có rủi ro riêng lẻ
Tổ chức tín dụng có công ty con cần duy trì tỷ lệ an toàn vốn tối thiểu hợp nhất là 9%, bên cạnh việc tuân thủ tỷ lệ an toàn vốn tối thiểu riêng lẻ theo quy định.
Tỷ lệ an toàn vốn tối thiểu hợp nhất được xác định bằng công thức sau:
Tỷ lệ an toàn vốn tối thiểu hợp nhất (%) Vốn tự có hợp nhất x100%
TTS có rủi ro hợp nhất
- Vốn tự có hợp nhất được xác định bằng
Vốn cấp 1, hay còn gọi là vốn chủ sở hữu, bao gồm vốn điều lệ, các quỹ dự trữ và lợi nhuận không chia, được sử dụng để đánh giá sức khỏe tài chính của các ngân hàng thương mại (NHTM) và đảm bảo hoạt động kinh doanh khi gặp phải lỗ Trong khi đó, vốn cấp 2 là nguồn vốn bổ sung với độ tin cậy thấp hơn, bao gồm giá trị tài sản đánh giá lại, các khoản dự phòng rủi ro chung, quỹ dự phòng tài chính và các khoản vay có thời hạn từ 5 năm trở lên.
GIẢ I PHÁP NÂNG CAO HI Ệ U QU Ả HO ẠT ĐỘ NG C Ủ A NGÂN HÀNG THƯƠNG MẠI TẠI VIỆT NAM
Gi ả i pháp
Một số ngân hàng thương mại (NHTM) Việt Nam hiện nay chưa khai thác hiệu quả nguồn lực, dẫn đến nguy cơ giảm hiệu suất trong tương lai Phân tích các yếu tố ảnh hưởng đến hiệu quả hoạt động của NHTM thông qua mô hình CAMEL cho thấy cần thiết phải đưa ra các giải pháp cải thiện.
3.1.1 Nâng cao năng lực tài chính
Năng lực tài chính của các ngân hàng thương mại Việt Nam vẫn còn hạn chế so với các quốc gia trong khu vực và thế giới Theo xếp hạng của The Banker năm 2016, mức tăng vốn cấp 1 của các ngân hàng Việt Nam chỉ đạt 4,54%, thấp nhất trong khu vực ASEAN.
Khi tỷ lệ an toàn vốn được đảm bảo, ngân hàng sẽ nhận được hạn mức tăng trưởng tín dụng cao hơn mức trung bình của ngành, giúp mở rộng thị phần và cải thiện hiệu quả hoạt động.
Việc tăng vốn của các ngân hàng hiện nay gặp nhiều khó khăn, điển hình là trường hợp của Vietcombank Trong đợt phát hành cổ phiếu gần đây, ngân hàng này chỉ thành công trong việc phát hành 3% vốn cổ phần, trong khi kế hoạch đề ra là 10% Nguyên nhân chính là do thị giá cổ phiếu tăng cao, khiến việc thu hút nhà đầu tư trở nên kém hấp dẫn.
Tính đến cuối năm 2019, BIDV đã hoàn thành việc tăng 15% vốn điều lệ cho nhà đầu tư chiến lược KEB Hana và phát hành trái phiếu để tăng vốn cấp hai Tuy nhiên, ngân hàng vẫn đang đối mặt với sự thiếu hụt vốn lớn cần thiết cho tăng trưởng Việc không đáp ứng đủ quy định về vốn có thể dẫn đến việc giảm tăng trưởng tín dụng và thậm chí cắt giảm dư nợ cho vay để đảm bảo tỷ lệ an toàn vốn theo quy định.
3.1.2 Gi ảm tỉ lệ nợ xấu phát sinh
Các ngân hàng cần áp dụng các biện pháp hiệu quả để xử lý triệt để nợ xấu, đồng thời tăng cường kiểm soát nhằm đảm bảo rằng nợ xấu chỉ phát sinh ở mức chấp nhận được.
3.1.3 Hi ện đại hóa công nghệ, đa dạng hóa và nâng cao tiện ích sản phầm, d ịch vụ ngân hàng trên công nghệ kĩ thuật tiên tiến
Nâng cấp hệ thống ngân hàng lõi Core Banking giúp tối ưu hóa quy trình giao dịch với khách hàng, mang lại sự nhanh chóng và thuận tiện Điều này không chỉ nâng cao năng suất lao động mà còn cải thiện chất lượng dịch vụ của ngân hàng.
Core banking được xem là xương sống của ngân hàng, nơi xử lý nhanh chóng các thông tin về tiền, tài sản và giao dịch của khách hàng Hệ thống ngân hàng lõi này giúp ngân hàng phát triển mô hình tập trung dữ liệu hiệu quả.
Việc nâng cấp hệ thống Core banking không chỉ giúp cải thiện quản trị rủi ro tín dụng, thị trường và thanh khoản, mà còn tăng cường quản lý nội bộ và kết nối các hệ thống ngân hàng Hệ thống Core banking càng hiệu quả, chi phí hoạt động của ngân hàng sẽ được tối ưu hóa hơn.
Theo một kết quả khảo sát từng được KPMG công bố thì chi phí hoạt động của các
NHTM ở Việt Nam hiện đang chịu mức NHTM cao, chiếm trên 50% tổng thu nhập, so với Thái Lan (44%), Trung Quốc (40%) và Singapore (33%) Để khắc phục tình trạng này, tổ chức kiểm toán đã khuyến nghị các ngân hàng tăng cường đầu tư vào công nghệ, phù hợp với xu hướng phát triển toàn cầu của ngành ngân hàng Việc đầu tư vào công nghệ không chỉ giúp giảm chi phí vận hành mà còn nâng cao hiệu quả hoạt động Nhiều NHTM như Tpbank, VP Bank, và Techcombank đã tích cực nâng cấp hệ thống ngân hàng lõi và phát triển dịch vụ công nghệ cao nhằm cải thiện hiệu suất làm việc Công nghệ đang trở thành yếu tố then chốt trong chiến lược phát triển của các ngân hàng.
Các ngân hàng nhỏ có thể sử dụng những "vũ khí" chiến lược để cạnh tranh với các ngân hàng lớn, mặc dù những ngân hàng lớn này sở hữu lịch sử hoạt động lâu dài và danh sách khách hàng đông đảo.
Vào năm 2016, TP Bank, một ngân hàng đầu tư lớn vào công nghệ với hai cổ đông chiến lược là FPT và Softbank, đã thử nghiệm mô hình ngân hàng trực tuyến LiveBank 24/7.
Xu thế ngân hàng số sẽ phát triển mạnh mẽ trong tương lai, với sự gia tăng của các điểm giao dịch trực tuyến sử dụng thiết bị tự phục vụ thay thế cho giao dịch viên, theo dự báo của ông Nguyễn Hưng, tổng giám đốc ngân hàng.
TP Bank có khả năng tiết kiệm chi phí in ấn và gửi thư bảo đảm nhờ ứng dụng công nghệ hiện đại Nhiều giao dịch được thực hiện nhanh chóng, chỉ mất 1/3 thời gian so với các phương thức truyền thống.
Đến năm 2017, 2/3 giao dịch ngân hàng được thực hiện qua ngân hàng tự động, cho phép giao dịch 24/7 Điều này không chỉ tiết kiệm chi phí hoạt động mà còn nâng cao chất lượng dịch vụ, giúp khách hàng tiết kiệm thời gian và tiền bạc.
Kiến nghị
Ngân hàng nhà nước cần nâng cao năng lực quản lý điều hành, cải thiện khả năng xây dựng chính sách tiền tệ và tăng cường năng lực dự báo để đưa ra những khuyến nghị phù hợp cho các ngân hàng thương mại.
Cần thúc đẩy nhanh chóng quá trình cổ phần hóa các ngân hàng thương mại nhà nước để nâng cao tính an toàn và hiệu quả trong hoạt động của các ngân hàng này.
Ngân hàng Nhà nước cần tiếp tục phát triển và hoàn thiện các chỉ tiêu đánh giá mức độ an toàn và hiệu quả hoạt động của các ngân hàng thương mại.
Ngân hàng Nhà nước cần xây dựng chiến lược cụ thể để phát triển công nghệ ngân hàng, giúp xử lý giao dịch nhanh chóng và chính xác, từ đó nâng cao hiệu quả hoạt động của hệ thống ngân hàng Đồng thời, cần hoàn thiện hệ thống văn bản quy phạm pháp luật để xử lý kịp thời các tình huống phát sinh trong quá trình hoạt động của các ngân hàng.
Khóa luận “Ứng dụng mô hình CAMEL trong phân tích hiệu quả hoạt động của các Ngân hàng thương mại tại Việt Nam giai đoạn 2009-2019” đã nghiên cứu lý thuyết và thực tiễn về hiệu quả hoạt động của các ngân hàng thương mại (NHTM) tại Việt Nam thông qua mô hình CAMEL và các yếu tố ảnh hưởng Luận văn kết hợp phương pháp phân tích định tính và định lượng để xác định các yếu tố tác động đến hiệu quả hoạt động của 10 NHTM được chọn, từ đó đề xuất giải pháp và khuyến nghị nhằm nâng cao hiệu quả hoạt động và khả năng cạnh tranh Tuy nhiên, khóa luận vẫn còn một số hạn chế nhất định.
Khóa luận chỉ dựa trên 105 quan sát, do đó không thể phản ánh đầy đủ tình hình của toàn bộ hệ thống ngân hàng thương mại (NHTM) Việt Nam Hơn nữa, việc sử dụng chủ yếu thông tin đã công bố từ các NHTM có thể dẫn đến thiếu chính xác, do tính trung thực của các dữ liệu này có thể không đảm bảo.
Khóa luận chỉ tập trung vào các yếu tố nội tại của các ngân hàng, mà không xem xét các yếu tố vĩ mô bên ngoài ảnh hưởng đến hiệu quả hoạt động của các ngân hàng thương mại được nghiên cứu.
Dựa trên những tồn tại của khóa luận, có thể đề xuất hướng nghiên cứu sâu hơn bằng cách mở rộng quy mô quan sát để tăng tính chính xác và hữu dụng của đề tài Bên cạnh đó, trong quá trình phân tích định lượng, nên bổ sung các biến vĩ mô như GDP và tỷ lệ lạm phát nhằm nâng cao tính toàn diện của nghiên cứu.
1 Peter S.Rose(2004), Quản trị ngân hàng thương mại,NXB Tài chính.
2 Hoàng Văn Thắng( 2009), Áp dụng mô hình Camel trong phân tích tài chính tại Ngân hàng đầu tư và phát triển Việt Nam, Khóa luận tốt nghiệp, Trường đại học Ngoại thương.
3 Lê Ngọc Minh Châu( 2019), Nghiên cứu tác động của khả năng chuyển đổi thanh khoản đến hệ số an toàn vốn của các NHTM tại Việt Nam,Khóa luận tốt nghiệp, Học viện Ngân hàng
4 Nguyễn Việt Hùng(2008), Phân tích các nhân tố ảnh hưởng đến hiệu quả hoạt động của các NHTM tại Việt Nam,Luận án tiến sĩ kinh tế, Trường đại học kinh tế quốc dân.
5 Ngân hàng thương mại ở Việt Nam, 10 NHTM, Báo cáo thường niên
6 Abdul Ishaq, Abdul Karim, Adnan
Zaheer,SohailAhmed(2015),Evaluating Performance of comercial banks in
Pakistan: An application of Camel Model”
7 Ngân hàng Nhà nước, 2014, Thông tư 36/2014/TT-NHNN ngày
20/11/2014 quy định các giới hạn, tỷ lệ bảo đảm an toàn trong hoạt động của tổ chức tín dụng, chi nhánh ngân hàng nước ngoài
8 NIM 2018 của VPBank có thể tăng cao nhất, khả năng mất kiểm soát nợ xấu trước tín dụng tiêu dùng(2018), truy cập ngày 24 tháng 05 năm 2020 từ https://vietnambiz.vn/nim-2018-cua-vpbank-co-the-tang-cao-nhat-kha- nang-mat-kiem-soat-no-xau-truoc-tin-dung-tieu-dung-53526.htm
9 Sacombank gồng mình trước áp lực nợ xấu(2016),truy cập ngày 20 tháng 05 năm 2020 từ https://www.baodoanhnhanonline.com/news/sacombank-gong-minh-truoc-ap- luc-no-xau-201.html
10 Core banking, trái tim của hệ thống ngân hàng(2017), truy cập ngày 26 tháng 05 năm 2020 từ https://cmcsoft.com/tin-tuc/core-banking-trai-tim-cua- he-thong-ngan-hang.html
11 Năm 2018: Lợi nhuận TPBank tăng mạnh do đâu?(2019), truy cập ngày 30 tháng 05 năm 2020 từ https://tpb.vn/tin-tuc/tin-tpbank/nam-2018-loi- nhuan-tpbank-tang-manh-do-dau
12 Vì sao các ngân hàng ồ ạt mua lại nợ xấu?(2019), truy cập ngày 31 tháng 05 năm 2020 từ https://laodong.vn/kinh-te/vi-sao-cac-ngan-hang-o-at-
13 “Soi sức khỏe” 10 ngân hàng áp dụng Basel II(2016), truy cập ngày 01 tháng 06 năm 2020 từ https://vietnambiz.vn/soi-suc-khoe-10-ngan-hang-ap- dung-basel-ii-8891.htm
Phụ lục 1: Bảng số liệu 10 Ngân hàng thương mại được chọn
Bank Year CAR NPLE NPLG LDR CIR ROA ROE NIM CR EPS
VCB 2009 11.00 20.93 2.47 81.00 37.62 1.64 25.58 3.26 35.86 3,241 VCB 2010 9.00 24.22 2.83 84.00 39.43 1.52 22.87 3.27 36.64 3,409 VCB 2011 11.14 14.87 2.03 92.25 38.33 1.26 17.22 3.60 29.29 2,417 VCB 2012 14.63 13.94 2.40 84.51 39.81 1.10 12.50 2.90 37.59 1,906 VCB 2013 13.13 17.63 2.73 82.56 40.26 1.00 10.40 2.60 32.97 1,881 VCB 2014 11.35 17.20 2.31 75.92 39.38 0.90 10.60 2.35 32.20 1,845 VCB 2015 11.04 15.80 1.79 76.76 39.17 0.85 12.03 2.58 27.10 1,994 VCB 2016 11.13 14.42 1.46 76.71 39.99 0.93 14.70 2.63 30.50 2,451 VCB 2017 11.63 11.81 1.11 76.74 40.35 1.00 18.10 2.66 35.90 2,527 VCB 2018 12.14 10.01 0.97 77.68 34.65 1.39 25.49 2.94 24.10 4,060 VCB 2019 9.34 7.17 0.78 78.09 34.56 1.61 25.90 3.10 22.00 4,996 CTG 2009 8.06 7.96 0.61 79.00 58.27 1.54 20.60 3.93 25.22 1,140 CTG 2010 8.02 8.46 0.66 85.00 48.56 1.50 22.10 4.25 18.35 2,867 CTG 2011 10.57 7.74 0.75 77.30 40.57 2.03 26.74 5.22 18.34 3,778 CTG 2012 10.33 14.54 1.35 88.18 42.96 1.70 19.90 4.37 15.97 2,531 CTG 2013 13.17 6.97 0.82 89.91 44.22 1.40 13.70 3.67 15.22 1,863 CTG 2014 10.40 8.92 0.90 86.70 46.72 1.20 10.50 3.10 15.70 1,534 CTG 2015 10.60 8.80 0.81 86.60 47.13 1.00 10.30 2.82 11.90 1,530 CTG 2016 10.40 11.16 0.93 87.96 48.63 1.00 11.60 2.80 14.34 1,812 CTG 2017 10.30 14.13 1.13 88.34 46.20 0.90 12.00 2.80 14.23 1,996 CTG 2018 10.50 20.29 1.60 87.96 49.60 0.60 8.30 2.10 13.39 1,454 CTG 2019 9.25 13.98 1.20 88.10 38.80 1.00 13.10 2.80 14.00 2,541 BID 2009 9.53 34.87 2.82 76.75 44.67 0.94 21.05 2.61 22.38 2,684 BID 2010 9.32 33.95 2.71 76.26 48.27 1.13 17.95 2.90 20.44 2,574
BID 2012 9.65 34.57 2.90 75.97 39.82 0.74 12.90 3.23 18.18 1,117 BID 2013 10.10 27.58 2.37 77.63 38.70 0.78 13.80 2.95 16.72 1,434 BID 2014 9.36 27.22 2.03 74.00 39.40 0.83 15.27 2.85 18.88 1,760 BID 2015 9.81 23.75 1.68 75.70 44.86 0.79 15.50 2.80 11.10 2,158 BID 2016 10.15 32.68 1.95 80.85 44.44 0.67 14.41 2.78 15.80 1,785 BID 2017 10.90 28.80 1.44 81.78 39.74 0.63 15.00 3.00 15.49 1,985 BID 2018 10.34 34.46 1.90 86.00 36.23 0.60 14.59 2.90 15.42 2,152 BID 2019 9.01 25.10 1.75 87.95 36.00 0.61 12.94 2.63 18.39 2,379 VPB 2010 14.29 6.05 1.20 51.98 44.44 1.15 22.65 2.86 22.92 1,258 VPB 2011 11.94 8.85 1.82 41.07 52.36 1.12 14.00 3.39 23.70 1,584 VPB 2012 12.51 15.11 2.71 75.34 62.31 0.77 11.00 3.73 22.05 1,115 VPB 2013 12.50 19.08 2.81 75.00 55.76 0.91 14.00 4.56 10.22 1,764 VPB 2014 11.30 22.15 2.54 80.28 58.73 0.88 15.00 4.51 18.35 1,975 VPB 2015 12.20 23.49 2.69 70.20 47.17 1.34 21.40 6.52 19.90 2,974 VPB 2016 9.50 24.49 2.91 74.10 39.30 1.86 25.70 7.85 11.03 4,286 VPB 2017 12.60 20.87 2.90 71.30 35.20 2.54 27.50 8.85 17.29 4,552 VPB 2018 11.20 22.34 3.20 73.70 34.20 2.20 20.70 8.95 19.43 3,727 VPB 2019 11.10 20.84 2.95 72.40 33.90 2.40 21.50 9.41 15.41 3,373 ACB 2009 9.70 2.52 0.41 55.00 36.60 1.60 24.60 2.60 11.87 2,951 ACB 2010 10.60 2.57 0.34 60.00 39.30 1.30 21.70 2.78 10.74 2,732 ACB 2011 9.25 7.67 0.90 72.00 41.20 1.32 27.49 3.50 9.11 3,280 ACB 2012 13.50 20.36 2.50 82.00 73.20 0.41 7.51 3.83 12.54 666 ACB 2013 14.70 25.93 3.00 78.00 66.50 0.60 8.20 2.98 11.31 868 ACB 2014 14.80 20.43 2.18 75.20 63.90 0.55 7.64 3.00 19.88 1,021 ACB 2015 12.80 13.84 1.32 76.60 55.70 0.54 8.17 3.20 11.48 1,136 ACB 2016 13.19 10.10 0.87 78.92 54.00 0.60 9.90 3.17 11.04 1,293 ACB 2017 11.49 8.67 0.70 82.24 54.20 0.82 14.08 3.27 9.99 1,996 ACB 2018 12.81 7.97 0.73 77.47 47.83 1.67 27.73 3.38 12.38 3,999 TCB 2009 9.60 14.13 2.49 50.53 30.21 2.24 26.28 3.60 20.69 3,148
TCB 2010 11.02 12.75 2.29 62.20 33.65 1.90 24.80 2.92 21.63 2,990 TCB 2011 11.43 14.14 2.83 65.90 31.51 1.83 28.87 3.80 18.55 2,902 TCB 2012 12.60 13.84 2.69 57.60 54.22 0.42 5.58 3.40 13.57 700 TCB 2013 14.03 18.43 3.65 58.60 59.40 0.39 4.77 3.20 12.27 742 TCB 2014 15.65 12.77 2.38 61.00 47.20 0.63 7.40 3.60 12.09 1,219 TCB 2015 14.74 11.32 1.67 70.90 39.37 0.86 9.73 3.80 17.12 1,722 TCB 2016 13.10 11.46 1.57 67.66 35.75 1.47 17.47 4.19 19.07 3,547 TCB 2017 12.68 9.59 1.61 76.62 28.75 2.09 23.84 3.88 15.87 7,719 TCB 2018 14.30 5.41 1.80 79.40 31.84 2.87 21.56 4.12 16.95 2,791 MBB 2009 12.00 6.79 1.58 49.91 29.55 1.93 19.35 3.47 44.30 2,951 MBB 2010 12.90 6.90 1.26 50.33 30.67 1.92 21.71 4.29 21.00 2,845 MBB 2011 9.59 9.72 1.59 48.82 36.54 1.71 22.96 4.63 41.76 2,913 MBB 2012 11.15 10.66 1.84 48.88 34.51 1.47 20.49 4.51 24.07 2,457 MBB 2013 11.00 14.16 2.45 54.95 71.70 1.28 16.25 3.71 20.67 2,145 MBB 2014 10.07 16.57 2.73 57.65 37.49 1.30 15.62 3.80 25.27 2,136 MBB 2015 12.85 8.41 1.62 62.79 39.32 1.18 12.56 3.80 23.62 1,902 MBB 2016 12.50 7.47 1.32 67.93 42.36 1.20 11.47 3.56 22.00 1,706 MBB 2017 12.00 7.38 1.20 67.19 43.26 1.21 12.42 4.17 22.00 1,953 MBB 2018 10.90 8.37 1.33 68.32 44.70 1.81 19.41 4.56 18.83 2,416 MBB 2019 10.68 7.26 1.16 71.66 39.45 2.09 21.79 4.90 20.68 3,596 STB 2009 11.41 3.56 0.69 65.40 40.01 1.94 18.25 3.25 28.19 3,036 STB 2010 9.97 3.17 0.52 63.82 43.07 1.46 15.24 3.60 20.41 2,584 STB 2011 11.66 3.18 0.56 71.67 53.13 1.41 14.47 4.75 21.39 2,218 STB 2012 9.53 14.40 1.97 77.37 60.62 0.68 7.10 5.27 20.44 1,028 STB 2013 10.22 9.43 1.44 78.11 55.33 1.42 14.49 4.74 18.90 2,106 STB 2014 9.87 8.43 1.18 75.94 54.07 1.31 13.21 4.14 21.60 1,931 STB 2015 9.51 48.81 5.85 69.96 62.19 0.27 3.23 3.30 15.12 525 STB 2016 10.82 61.94 5.35 65.21 86.96 0.02 0.35 1.82 12.92 49
STB 2018 11.88 22.17 2.11 69.33 67.12 0.46 7.48 2.32 13.63 993 VIB 2010 10.11 9.94 1.59 48.51 46.99 1.05 16.58 2.95 32.85 1,977 VIB 2011 14.48 14.11 2.69 49.74 48.20 0.67 8.66 4.13 33.05 1,504 VIB 2012 19.14 10.43 2.75 63.21 55.70 0.65 6.33 3.97 16.03 1,231 VIB 2013 17.33 12.40 2.82 55.29 59.00 0.07 0.61 3.15 15.87 118 VIB 2014 17.70 11.29 2.51 55.44 56.00 0.66 6.34 3.25 25.83 1,230 VIB 2015 18.04 11.48 2.07 75.30 60.26 0.63 6.09 2.97 21.60 1,161 VIB 2016 13.25 17.72 2.58 65.60 61.53 0.59 6.47 2.83 26.20 1,125 VIB 2017 13.07 25.29 2.49 71.21 57.08 0.99 12.83 3.10 23.12 2,002 VIB 2018 10.00 22.62 2.19 76.75 44.20 1.67 22.55 3.77 21.14 3,873 VIB 2019 9.70 16.58 1.68 77.48 42.16 2.02 27.11 3.93 17.62 3,894 MSB 2009 8.93 4.13 0.62 40.27 30.39 1.80 37.10 2.77 25.45 3,555 MSB 2010 9.18 9.31 1.87 29.67 35.82 1.29 23.42 2.52 22.24 3,511 MSB 2011 10.58 9.01 2.27 36.72 52.06 0.69 10.08 1.62 20.92 1,413 MSB 2012 11.31 8.44 2.65 46.77 70.82 0.20 2.44 2.07 36.00 283 MSB 2013 10.56 7.88 2.71 44.85 73.90 0.30 3.57 1.80 27.07 412 MSB 2014 15.70 12.83 2.61 39.89 62.15 0.14 1.51 1.38 20.88 178 MSB 2015 24.53 7.04 2.49 31.75 72.54 0.11 1.01 1.81 36.01 99 MSB 2016 23.59 6.10 2.17 45.77 49.86 0.14 1.03 2.67 27.74 119 MSB 2017 19.48 5.88 2.22 55.54 63.61 0.12 0.89 1.86 38.72 104 MSB 2018 12.17 10.60 2.21 40.87 61.99 0.69 6.31 2.76 19.22 739 MSB 2019 10.25 8.75 1.71 46.46 53.07 0.71 7.28 2.45 17.51 888
Phụ lục 2: Thống kê mô tả các biến trong mô hình
Phụ lục 3: Phân tích tương quan giữa các biến trong mô hình(lần 1)
Phụ lục 4: Hồi quy mô hình với phương pháp hồi quy FEM(Kiểm định
Phụ lục 5: Hồi quy mô hình với phương pháp hồi quy REM
Phụ lục 6: Kiểm định Hausman
Phụ lục 7: Ma trận hệ sốtương quan giữa các biến trong mô hình(lần 2)
Phụ lục 8: Hệ số phóng đại phương sai VIF của các biến trong mô hình
Phụ lục 9: Kiểm định Wooldridge
Phụ lục 10: Kiểm định Breusch and Pagan Lagrangian
Phụ lục 11:Kết quả hồi quy dữ liệu theo phương pháp GLS