Rủi ro hệ thống của ngân hàng việt nam và các cú sốc kinh tế vĩ mô

Ý tưởng của bài nghiên cứu là về hành vi đồng nhất của các ngân hàng khi có các cú sốc kinh tế vĩ mô tạo nên rủi ro hệ thống hay nói khác hơn liệu rằng các ngân hàng có hành động giống n

- -

THÁI MỸ PHƯƠNG RỦI RO HỆ THỐNG CỦA NGÂN HÀNG VIỆT NAM

luận văn là trung thực và chưa từng được ai công bố trong bất kỳ công trình nào khác

Tp Hồ Chí Minh, năm 2017

Tác giả

Thái Mỹ Phương

LỜI CAM ĐOAN

MỤC LỤC

DANH MỤC VIẾT TẮT

DANH MỤC HÌNH VẼ

DANH MỤC BẢNG BIỂU

Chương 1 Giới thiệu 3

Chương 2 Nền tảng lý thuyết của bài nghiên cứu và nội dung các nghiên cứu trước đây 6 2.1 Nền tảng lý thuyết: 6

2.1.1 Rủi ro hệ thống 6

2.1.2 Cú sốc vĩ mô 9

2.1.3 Vấn đề khai thác tín hiệu , rủi ro, sự không chắc chắn và hành vi có hệ thống của các ngân hàng 11

2.2 Các nghiên cứu trước đây 12

Chương 3 Nguồn dữ liệu và phương pháp nghiên cứu 18

3.1 Mô tả dữ liệu 18

3.1.1 Các biến đại diện cho hành vi nhất quán (bầy đàn) của của ngân hàng: 18

3.1.2 Đòn bẫy tổng hợp (dtl): 21

3.1.3 Tăng trưởng GDP đo lường mức sức mạnh tăng trưởng kinh tế 22

3.1.4 Lạm phát là nhân tố bóp méo tín hiệu đưa ra bởi giá cả tương đối 25

3.1.5 Output gap đo lường chu kỳ kinh doanh 26

3.2 Phương pháp nghiên cứu: 29

3.2.1 Mô hình trong bài nghiên cứu trong bài nghiên cứu của Christian Calmes và Raymond Theoret (2014) 29

3.2.2 Mô hình EGARCH của Nelson (1991) 33

3.2.3 Phương pháp nghiên cứu trong bài 34

Chương 4 Kết quả nghiên cứu 37

4.4 Khả năng giải thích của rủi ro và sự không chắc chắn của vĩ mô với rủi ro hệ thống 45

4.5 Kiểm tra tính vững của mô hình bằng cách lượng cho lta và snonin 47Chương 5 Kết luận 51

AIC:Tiêu chuẩn thông tin Akaike

AR:Quá trình tự hồi quy

ARMA:Quá trình trung bình trượt tự hồi quy

EGARCH:Mô hình GARCH dạng mũ

GDP:Tổng sản phẩm quốc nội

MA:Quá trình trung bình trượt

ECB: Ngân hàng Trung ương Châu Âu

Hình 3.1: Biểu đồ tỷ số cho vay / tài sản (lta) và tỷ số thu nhập ngoài lãi trên thu nhập hoạt động thuần (snonin) trung bình của các ngân hàng ở Việt Nam trong giai đoạn

nghiên cứu 20Hình 3.2: Biểu đồ tăng trưởng GDP theo quí 1 năm 2006 đến quí 4 năm 2010 23Hình 3.3: Biểu đồ tăng trưởng GDP và phương sai tỷ số dư nợ/ tài sản từ quý 1 năm

2013 đến quý 3 năm 2016 24Hình 3.4: Biểu đồ tăng trưởng GDP và phương sai tỷ số thu nhập ngoài lãi/ thu nhập hoạt động thuần từ quý 1 năm 2013 đến quý 3 năm 2016 24Hình 3.5: Biểu đồ của biến inf đại diện cho rủi ro lạm phát từ quý 1 năm 2013 đến quý 3 năm 2016 25

Bảng 2.1: Kỳ vọng về dấu 15

Bảng 3.1: Thống kê mô tả cho dữ liệu ngân hàng 19

Bảng 3.2: Thống kê mô tả cho dữ liệu mức đòn bẩy tổng hợp 22

Bảng 3.3: Tóm tắt nguồn dữ liệu 27

Bảng 4.1: Kết quả kiểm định tính dừng của các biến trong mô hình 37

Bảng 4.2 : Kết quả tính dừng sai phân bậc 1 37

Bảng 4.3: Kết quả ước tính OLS cho disp(lta) và disp(snonin) 38

Bảng 4.4 : Kết quả kiểm định phương sai thay đổi (ARCH-test) 39

Bảng 4.5 : Kết quả EGARCH(1,1) 42

Bảng 4.6 : Độ co dãn ngắn và dài hạn của các chỉ số vĩ mô và đòn bẩy tổng hợp 46

Bảng 4.7 : Kiểm định tính dừng của lta và snonin 48

Bảng 4.8 : Kết quả EGARCH(1,1) cho lta và snonin 49

Tóm tắt bài nghiên cứu

Đề tài nghiên cứu này thực hiện kiểm tra rủi ro hệ thống (systemic risk) của ngân hàng Việt Nam trong mối quan hệ với các cú sốc kinh tế vĩ mô Ý tưởng của bài nghiên cứu là về hành vi đồng nhất của các ngân hàng khi có các cú sốc kinh tế vĩ mô tạo nên rủi ro hệ thống hay nói khác hơn liệu rằng các ngân hàng có hành động giống nhau (như là một nhóm) khi đối mặt với những rủi ro và sự không chắc chắn của kinh

tế vĩ mô Phương pháp tiếp cận của bài nghiên cứu là mô hình EGARCH Mô hình EGARCH được sử dụng trong bài nghiên cứu vì nó có thể giải quyết được các vấn đề được đặt ra trong các bài nghiên cứu trước là về vấn đề phương sai thay đổi và tác động sự bất đối xứng mà mô hình OLS và GMM không thể khắc phục được Mô hình ước tính tác động rủi ro và sự không chắc chắn của các nhân tố vĩ mô với phương sai

của của lta (tỷ số dư nợ /tổng tài sản) và snonin (tỷ số thu nhập ngoài lãi /thu nhập hoạt

động ròng) như trong mô hình trong bài nghiên cứu của Baeudry (2001) và được phát triển bởi Baun và các cộng sự (2002,2004, 2009), Quagliariello (2007, 2009) và Christian Calmes, Raymond Theoret (2014) và đã được điều chỉnh để phù hợp với Việt Nam Mối quan hệ trong bài được nghiên cứu trong bối cảnh ngân hàng dựa vào thị trường

Biến đại diện để đo lường rủi ro hệ thống ngân hàng là disp(lta) và disp(snonin)

là phương sai của tỷ số lta và snonin, khi disp(lta) và disp giảm nghĩa là các ngân hàng

hành động đồng nhất hơn trước các cú sốc vĩ mô, do đó làm tăng rủi ro hệ thống Các nhân tố kinh tế vĩ mô trong mô hình nghiên cứu là tốc độ tăng trưởng kinh tế, lỗ hổng

sản lượng (output_gap), lạm phát đại diện cho rủi ro vĩ mô Ngoài ra, còn có các biến

sự không chắc chắn trong tăng trưởng GDP và sự không chắc chắn lạm phát được tính bằng phương sai có điều kiện của tăng trưởng GDP và lạm phát Sự khác biệt của bài

so với các nghiên cứu trước là có sự phân biệt giữa rủi ro va sự không chắc chắn Chúng là những nhân tố được cho rằng là tác động đến rủi ro hệ thống của ngân hàng tại Việt Nam, dữ liệu được thu thập hàng quý trong giai đoạn quý 1 năm 2006 đến quý

3 năm 2016 Bài nghiên cứu đã tìm ra mối quan hệ nghịch chiều giữa disp(lta) và disp(snonin) với các sự không chắc chắn trong tăng trưởng, sự không chắc chắn trong

lạm phát Kết quả phù hợp với giả thuyết của bài nghiên cứu và kết quả của các nghiên cứu trước đây Nhờ kết quả của mô hình EGARCH (1,1), bài nghiên cứu cũng cho thấy

có sự tác động của disp(lta) và disp(snonin) trong qua khứ đến hiện tại, do độ trễ của

biến phụ thuộc trong mô hình có ý nghĩa thống kê Bài nghiên cứu đã sử dụng mô hình EGARCH để ước tính do đó có sự phân biệt được ảnh hưởng của cú sốc âm và cú sốc

dương, kết quả cho thấy trong phạm vi các biến vĩ mô trong nghiên cứu cho ta kết quả

có tồn tại hiệu ứng đòn bẫy trong thời kỳ nghiên cứu Tiếp sau các mô hình nghiên cứu,

để so sánh sức ảnh hưởng của các yếu tố ngoại sinh chính xác hơn, hệ số co dãn sẽ được tính toán cho từng biến vĩ mô Qua đó ta thấy đòn bẩy là mạnh nhất, đặc biệt là

khi tính cho disp(lta), điều đó cho thấy đòn bẩy có tác động khá lớn với các hoạt động

cho vay tại các ngân hàng ở Việt Nam Để bảo đảm tính vững cho kết quả nghiên cứu

trong phần sau của bài sẽ tiến hành ước lượng EGARCH trực tiếp cho biến lta và snonin, với kỳ vọng là cùng có mối quan hệ tương tự giữa lta và snonin như chúng ta thấy giữa disp(lta) và disp(snonin) Kết quả kiểm tra phù hợp với mô hình ước tính ở

phần trên của bài nghiên cứu

Chương 1 Giới thiệu

Bất ổn tài chính và khủng hoảng là hiện tượng định kỳ trong lịch sử, mặc dù

không thường xuyên (Kindleberger, 1978; Reinhart và Rogoff, 2009) Cuộc khủng

hoảng nổ ra vào tháng 8 năm 2007 và đến tháng 9 năm 2008 với sự sụp đổ của Lehman Brothers kết hợp với một số sự kiện khác đã trở thành sự sụp đổ có hệ thống Đây là một trong những minh họa rõ ràng nhất trong lịch sử về một thực tế rằng hệ thống tài chính có thể có "rủi ro hệ thống" (systemic risk), trong đó các ngân hàng đóng một vai trò đặc biệt quan trọng Một ví dụ khác là các cuộc khủng hoảng ngân hàng trong thời

kỳ Đại khủng hoảng năm 1930 và của Nhật Bản và các nước Bắc Âu trong những năm

1990 Trong khi các nghiên cứu trước đó đã đưa ra nhiều yếu tố tác động sự bất ổn tài chính, song hiện nay rủi ro hệ thống (systemic risk) đang được chấp nhận rộng rãi như

là một khái niệm cơ bản cho các nghiên cứu về những bất ổn tài chính nghiêm trọng

Sau sự sụp đổ của Lehman Brothers năm 2008 gây ra các tác động lan tỏa này dẫn đến hiệu ứng đô-mi-nô và gây ra rủi ro nghiêm trọng đến hệ thống tài chính tại Mỹ Sau sự kiện sụp đổ của hàng loạt các ngân hàng của Mỹ thì vấn đề rủi ro hệ thống (systemic risk) đặt biệt được quan tâm Các bài nghiên cứu gần đây đã tập trung vào nghiên cứu những rủi ro hệ thống trong các mạng lưới phức tạp hơn Rõ ràng, trong cuộc khủng hoảng năm 2008, các hành vi theo nhóm do sự tương tác giữa các công ty không phải là đơn giản và rất khó khăn để dự đoán Trong thời gian gần đây, các nhà nghiên cứu đã tập trung vào các vấn đề đo lường và tránh rủi ro hệ thống trong mạng lưới phức tạp Đã có nhiều bài nghiên cứu về đề tài này, song đến hiện nay chưa có một sự thống nhất về định nghĩa của rủi ro hệ thống trong các bài nghiên cứu Trong bài này phân tích rủi ro hệ thống ngân hàng đứng trên khía cạnh việc các ngân hàng phản ứng lại các cú sốc ngoại sinh có thể dẫn đến tạo ra một mẫu hình chung (common

pattern) làm tăng rủi ro hệ thống (systemic risk) (Jain and Gupta, 1987; Pecchino,1998; Borio và cộng sự, 2001; Hyytinen và cộng sự, 2003) Ví dụ như Jain

và Gupta (1987) và Barron và Valev (2000) sử dụng kiểm nghiệm nhân quả Granger

và tìm thấy rằng các ngân hàng nhỏ ở Mỹ đã phỏng theo các hành vi cho vay của các ngân hàng lớn trong việc cho vay đối với các nước đang phát triển trong những năm

1980 và 1990 Nakagawa (2008) tìm thấy mối quan hệ lãnh đạo về hành vi cho vay của

các ngân hàng ở Nhật Bản, các ngân hàng ngân hàng địa phương phỏng theo hành vi cho vay của các ngân hàng lớn ở các thành phố đô thị và các ngân hàng địa phương trong cùng khu vực sẽ theo sau nhau về hành vi cho vay Bài nghiên cứu này tập trung

vào vấn đề các hành vi theo nhóm này của các ngân hàng, qua đó các ngân hàng phản ứng đồng thời với sự thay đổi chế độ chung và phân bổ tài sản theo cùng một cách Trong điều kiện các yếu tố khác không thay đổi, càng có nhiều hành vi này xảy ra, nhiều khả năng là hệ thống ngân hàng sẽ thiếu khả năng phục hồi do đó sự ổn định tài chính sẽ có nguy cơ nhiều hơn

Trong những năm gần đây ở Việt Nam, hoạt động ngân hàng ngày càng đóng vai trò quan trọng đối với nền kinh tế Hệ thống ngân hàng ổn định và hiệu quả là một yếu tố quan trọng trong sự phát triển kinh tế ở Việt Nam Do đó việc xem xét rủi ro hệ thống của các ngân hàng là vô cùng quan trọng hay nói cách khác việc nghiên cứu mối quan hệ giữa rủi ro hệ thống (systemic risk) với các cú sốc vĩ mô là cần thiết, nó sẽ cho các nhà hoạch định chính sách các gợi ý về tầm quan trọng của các yếu tố vĩ mô trong đối với rủi ro của ngân hàng nói riêng và hệ thống tài chính nói chung

Bài nghiên cứu này sẽ tập trung về xem xét rủi ro hệ thống (systemic risk) thông qua việc xem xét hành vi đồng nhất của các ngân hàng Việt Nam phản ứng với các cú sốc vĩ mô trên tất cả các hoạt động của ngân hàng (cho vay và hoạt động đem lại thu nhập ngoài lãi) Bằng sự thay đổi chế độ chung và phân bổ tài sản theo một cách giống nhau khi đối mặt với các cú sốc vĩ mô và làm tăng rủi ro hệ thống ((systemic risk) Sự khác biệt của bài nghiên cứu này so với các bài nghiên cứu trước là mở rộng phạm vi nghiên cứu của bao gồm tất cả các hoạt động kinh doanh ngân hàng, xem xét không chỉ hoạt động cho vay (dư nợ cho vay) mà còn hoạt động thu nhập ngoài lãi Ngoài ra, trong mô hình bài nghiên cứu này có sự phân biệt rõ ràng giữa tác động của rủi ro và

sự không chắc chắn của các biến vĩ mô

Các biến được sử dụng đại diện trong bài là phương sai cross- sectional của tỷ

số cho vay trên tổng tài sản (disp(lta)), phương sai cross- sectional của tỷ số thu nhập ngoài lãi trên thu nhập hoạt động thuần (disp(snonin)) là hai biến đại diện cho hành vi

có hệ thống của ngân hàng Các biến được sử dụng để đo lường là tăng trưởng GDP (dln(gdp)), chênh lệch sản lượng (output_gap), lạm phát (inf), mức đòn bẫy tổng hợp (dtl), phương sai có điều kiện của tăng trưởng GDP (cv_gdp), trung bình có trọng số phương sai có điều kiện của tăng trưởng GDP (cv_gdp_w), phương sai có điều kiện của lạm phát (cv_inf)

Các biến được chọn trên được đưa vào mô hình để xem xét mối quan hệ giữa hành vi đồng nhất cá ngân hàng là sự phân tán cross-sectional của các tài sản rủi ro của ngân hàng (trên bảng cân đối và ngoài bảng cân đối ) Mục tiêu của bài nghiên cứu

giống với Christian Calmes và Raymond Theoret (2014) là nhằm khẳng định hai vấn

Bài nghiên cứu sử dụng phương pháp nghiên cứu của Christian Calmes và Raymond Theoret (2014), đây là một phương pháp được thiết kế đặc biệt để phát hiện

các loại tác động không đối xứng mà những cú sốc kinh tế vĩ mô có thể có đến rủi ro

hệ thống ngân hàng (bank systemic risk) và đã được điều chỉnh cho phù hợp với tình hình thực tế thu thập được tại Việt Nam Dựa trên cách tiếp cận EGARCH(1,1) cung cấp một ước lượng chính xác hơn về các tác động tương đối rủi ro kinh tế vĩ mô (first moment) và không chắc chắn (second moment) với rủi ro có tính hệ thống của ngân hàng Việt Nam Ngoài ra, phần cuối của bài nghiên cứu,để kiểm tra tính vững của kết

quả nghiên cứu, ước lượng EGARCH(1,1) sẽ được thực hiện cho tỷ số lta và snonin thay vì cho disp(lta) và disp(snonin) Bài nghiên cứu thực hiện dựa trên số liệu chuỗi

thời gian gồm 43 quan sát cho mỗi biến từ quí 1 năm 2006 đến tháng 3 năm 2016 Kết quả được tóm tắt trong phần kết quả nghiên cứu và phần kết luận

Phần còn lại của bài nghiên cứu bao gồm các phần sau:

Phần hai : Trình bày lý thuyết nên và các nghiên cứu trước đây

Phần ba : Mô tả dữ liệu và phương pháp nghiên cứu

Phần bốn : Kết quả nghiên cứu

Phần năm : Kết luận rút ra từ bài nghiên cứu

Chương 2 Nền tảng lý thuyết của bài nghiên cứu và nội dung các nghiên

cứu trước đây

2.1.1 Rủi ro hệ thống

Rủi ro hệ thống (Systemic risk khác với systematic risk), là rủi ro xuất phát từ

biến cố nhỏ nhưng có thể kích hoạt bất ổn nghiêm trọng hoặc làm sụp đổ toàn bộ một ngành công nghiệp hay nền kinh tế Rủi ro có hệ thống góp phần trong cuộc khủng hoảng tài chính năm 2008 Rủi ro hệ thống (systemic risk) không nên nhầm lẫn với rủi

ro hệ thống (systematic risk) Systemic risk chỉ những rủi ro do sự liên kết (interlinkages) và phụ thuộc lẫn nhau (interdependencies) trong một hệ thống hay thị trường Khi đó, sự đổ vỡ của một tổ chức hay một nhóm các tổ chức có thể gây ra sự

đổ vỡ nối tiếp

Theo Aglietta và Mouto (1993), rủi ro hệ thống là rủi ro mà một nền kinh tế ở

trạng thái cân bằng đột nhiên đạt đến một trạng thái cân bằng kém hiệu quả hơn do

phản ứng với một cú sốc ngoại sinh Nghiên cứu chi tiết của các học giả, từ Diamond

và Dybvig (1983) đến Tirole và Rochet (1996), lại cho rằng loại rủi ro này mà kết quả

của rủi ro đạo đức, sự lây lan, thông tin không hoàn hảo và "quá lớn để sụp đổ" Các công ty được coi là một “rủi ro hệ thống” khi được gọi là "quá lớn để sụp đổ" Các tổ chức này ảnh hưởng tương đối rất lớn đến ngành của mình hoặc tạo nên một phần quan trọng của nền kinh tế tổng thể Một công ty được đánh giá là có mối quan hệ mật thiết với nhiều công ty khác cũng là một nguồn gốc của rủi hệ thống

Dow (2000) chỉ ra rằng trong loại phổ biến nhất của rủi ro hệ thống là rủi ro đạo

đức, rủi ro đạo đức đóng một vai trò quan trọng trong việc phá vỡ các động lực của các

tổ chức tài chính Rủi ro hệ thống phát sinh từ: hoạt động quá mức nguy hiểm của một hoặc một nhóm các người giao dịch, một loại của văn hóa tổ chức (hướng về phía lợi nhuận ngắn hạn), một sự thất bại chung của quản lý ngân hàng (hoặc toàn bộ hệ thống tài chính), dẫn đến không có khả năng đáp ứng với hoàn cảnh kinh tế thay đổi

Không có sự đồng thuận về các khái niệm về rủi ro hệ thống Rủi ro hệ thống tiến hóa cùng với sự phát triển của thị trường tài chính, các quy định và hành vi tập thể của những người tham gia thị trường Cho đến nay các nghiên cứu so sánh các định nghĩa rủi ro hệ thống nhấn mạnh có nhiều loại rủi ro hệ thống

Một bài nghiên cứu về rủi ro hệ thống của Galati và Moessner (2010) kết luận

rằng mặc có nhiều bài nghiên cứu về đề tài này, vẫn chưa có sự thống nhất về định

nghĩa của rủi ro hệ thống Ví dụ như Sheldon và Maurer (1998) đưa ra một định nghĩa

phi tiêu chuẩn bằng cách xem xét rủi ro hệ thống đối với những người tham gia thị trường tài chính là Nessie, quái vật Loch Ness Mọi người đều biết và nhận thức về sự rủi ro Mọi người có thể mô tả chính xác các mối đe dọa Nessie được ví như rủi ro hệ thống có mặt ở khắp nơi, nhưng không ai biết khi nào và nơi mà nó có thể tấn công Không có bằng chứng rằng bất cứ ai đã thực sự gặp phải nó, nhưng không có ai nghi ngờ về tồn tại của nó

Định nghĩa của rủi ro hệ thống cũng được cung cấp bởi ECB (2010) Rủi ro hệ thống là rủi ro xảy ra một chuỗi sự kiện có tính hệ thống Sự kiện hệ thống có thể được hiểu một cách rộng rãi như những bất ổn tài chính lan rộng đến mức mà các định chế trung gian tài chính bị suy yếu và tăng trưởng kinh tế và phúc lợi vật chất bị thiệt hại đáng kể Tuy nhiên, việc nghiên cứu sẽ là hữu ích nhất từ khi đứng từ quan điểm của người tiến hành giám sát vĩ mô, nhằm phòng ngừa rủi ro hệ thống

Theo Eijffinger (2012) chỉ ra rằng rủi ro hệ thống, bất kể thình thành từ nguyên

nhân gì, cũng sẽ gây mất sự tín nhiệm và tăng sự không chắc chắn về các chức năng của hệ thống tài chính Khái niệm về rủi ro hệ thống nằm trong hiệu ứng lây lan và tác động tiêu cực đến nền kinh tế

Pawel Smaga (2014) so sánh định nghĩa rủi ro hệ thống trong các nghiên cứu

trước đây đã đưa ra kết luận như sau:

o Thường nhấn mạnh rằng rủi ro hệ thống liên quan đến một phần lớn của hệ thống tài chính hoặc một số lượng đáng kể của các tổ chức tài chính và được coi là nguyên nhân phá vỡ hiệu suất của hệ thống tài chính và chức năng của mình Mặt khác, chỉ một phần nhỏ các nhà nghiên cứu kể đến sự mất lòng tin như một tính năng của rủi ro hệ thống

và sự tiến triển của nó

o Một yếu tố quan trọng của rủi ro hệ thống là việc truyền tải các cú sốc giữa các yếu tố liên kết với nhau của hệ thống, mà cuối cùng

có thể có một tác động tiêu cực đến nền kinh tế

o Trong các nghiên cứu, định nghĩa rủi ro hệ thống bắt đầu xuất hiện vào giữa thập niên 90 của thế kỷ XX, nhưng "sáng tạo" của họ

đã tăng cường rõ ràng sau khi sự bùng nổ của cuộc khủng hoảng tài chính toàn cầu

o Trước khi cuộc khủng hoảng, các định nghĩa nhấn mạnh hơn về hiệu ứng lan truyền và quy mô lớn của hiện tượng này Tuy nhiên, sau sự bùng nổ của cuộc khủng hoảng, ngoài quy mô lớn của các hiện tượng, các nhà nghiên cứu chú ý nhiều hơn tới những rối loạn về chức năng hệ thống tài chính

Theo Rasmus Rüffer (1999) về nguyên tắc, bản chất của các cuộc khủng hoảng

hệ thống ngân hàng có thể có thể do ba nguyên nhân không nhất thiết phải loại trừ lẫn nhau: không may mắn, hiệu ứng lan truyền hay một cú sốc tiêu cực chung Mặc dù sự

có thể xuất hiện vấn đề đồng thời tại các ngân hàng do sự không may mắn của một nhóm các ngân hàng, nhưng tần số của các cuộc khủng hoảng hệ thống gần đây cho thấy rằng không may mắn không thể giải thích cho khủng hoảng hệ thống ngân hàng Ông cho rằng mặc dù về lý thuyết các tác giả đã đưa ra các giải thích khác nhau cho khủng hoảng hệ thống của ngân hàng nhưng lại không đưa ra được lý do tại sao các ngân hàng nên hành động giống nhau và phải hứng chịu đồng thời cho cùng một loại rủi ro để thông qua đó tạo khả năng một cuộc khủng hoảng mang tính hệ thống Để giải thích khía cạnh hệ thống này, đa số các các bài nghiên cứu gần đây thường giải thiên

về giải thích bằng hành vi bầy đàn của các ngân hàng Hành vi bầy đàn dưới tác động lan truyền sẽ chuyển thành khủng hoảng ngân hàng có tính hệ thống khi có tác động một cú sốc vĩ mô Tuy nhiên, các cú sốc nên được xem là nhân tố kích hoạt khủng hoảng chứ không phải là biến độc lập gây ra khủng hoảng

Trong bài nghiên cứu này, rủi ro hệ thống được xem xét dưới góc độ tài chính hành vi, nó được định nghĩa như là mức độ mà các ngân hàng hoạt động theo nhóm

(bầy đàn) trước các cú sốc vĩ mô Được đo lường bằng disp(lta) và disp(snonin) là phương sai của tỷ số lta (tỷ số cho vay/tổng tài sản) và snonin (tỷ số thu nhập ngoài lãi

trên thu nhập ròng), khi phương sai của hai tỷ số này giảm nghĩa là các ngân hàng hành động đồng nhất hơn trước các cú sốc vĩ mô, do đó làm tăng rủi ro hệ thống

Bisias et al (2012) và Oosterloo và de Haan (2003) kết luận rằng định nghĩa về

rủi ro hệ thống tập trung vào các khía cạnh khác nhau của hiện tượng này, như là sự mất cân bằng, sự sụp đổ của sự tín nhiệm, sự tiếp xúc tương quan của các tổ chức tài chính, tác động tiêu cực của nền kinh tế, sự bất đối xứng thông tin, hiệu ứng phản hồi, bong bóng tài sản, sựu lây lan và ngoại tác tiêu cực Một sự thiếu sự đồng thuận về

định nghĩa và tính chất phức tạp của rủi ro hệ thống ám chỉ có các biện pháp và nguyên tắc để đo lường rủi ro hệ thống khác nhau

Theo Chan-Lau (2013), việc xây dựng các biện pháp đo lường rủi ro hệ thống

có thể làm theo một trong hai phương pháp: từ trên xuống (top-down) hoặc từ dưới lên (bottom-up) Trong cách tiếp cận từ trên xuống, rủi ro hệ thống có thể được suy ra từ việc xem xét các lịch sử của dữ liệu chuỗi thời gian của các biến kinh tế được xem là

có liên quan đến rủi ro hệ thống Trong cách tiếp cận từ dưới lên, ước tính về rủi ro của các công ty riêng lẻ được từ các số liệu kế toán và giá cả thị trường và rủi ro của các công ty riêng lẻ đó được xem là số liệu đầu vào trong việc ước tính rủi ro hệ thống (systemic risk) Trong bài nghiên cứu này phương pháp đo lường được sử dụng là từ trên xuống (bottom-up) Rủi ro hệ thống được xem xét trong mối quan hệ với các cú

sốc vĩ mô, cụ thể là rủi ro và sự không chắc chắn của tăng trưởng GDP, rủi ro và sự

không chắc chắn của lạm phát và chênh lệch sản lượng (ouput_gap) và cả đòn bẫy tổng hợp của ngành

2.1.2 Cú sốc vĩ mô

Theo Thomas Sargent, nền kinh tế liên tục chịu tác động của những sự kiện không thể lường trước Giá dầu bất ngờ tăng, Ngân hàng Trung ương thay đổi lãi suất, hay tiêu dùng đột ngột giảm Những sự kiện không lường trước ấy thường được gọi là những "cú sốc" Nền kinh tế cũng chịu tác động của những thay đổi dài hạn hơn, ví dụ như thay đổi chính sách tiền tệ theo hướng kiềm chế lạm phát hay thay đổi chính sách tài khóa theo hướng thắt chắt ngân sách

Theo thời gian thì cú sốc được phân thành hai loại là cú sốc tạm thời (temporary shock) là những cú sốc có tác động nhất thời và đột ngột đến nền kinh tế trong ngắn hạn và cú sốc dài hạn (dai dẳng) là cú sốc có tác động đến nền kinh tế trong thời gian dài hạn, ví dụ như những thay đổi của công nghệ, phát minh,…

Những cú sốc kinh tế vĩ mô ám chỉ bất kỳ xáo trộn nào trong nền kinh tế Những cú sốc hầu hết là không thể đoán trước được và không có bất kỳ tín hiệu nào nhưng nó lại ảnh hưởng đến nền kinh tế vĩ mô Những cú sốc này có thể xảy ra do các nguyên nhân khác nhau như giá dầu tăng vọt, sự sụt giảm đột ngột về nhu cầu đối với bất kỳ hàng hóa nào, sự sụt giảm khó lường trong việc cung cấp bất kỳ hàng hóa, việc

áp đặt các hàng rào thuế quan mới ở các nước xuất khẩu và nhiều yếu tố khác như thế này Trong lĩnh vực kinh tế, „những cú sốc‟ như khủng hoảng tài chính, các giai đoạn

lạm phát và mất giá đồng tiền, suy thoái, và những thay đổi đột ngột về điều kiện thị trường thế giới đối với các loại hàng hóa cơ bản (commodities) nhìn chung là không thể dự đoán được Nhưng những cú sốc trước đó có thể làm kim chỉ nam cho những rủi

ro sắp xảy ra trong lương lai Việc lên danh mục những cú sốc như thế mang lại cái nhìn rõ nét về các khuynh hướng dài hạn được báo trước bởi các cuộc khủng hoảng tài chính hoặc kinh tế trước đó, đồng thời cho thấy tác động của mối tương tác giữa các yếu tố chính về kinh tế và địa chính trị đối với chiến lược quốc tế

Tóm lại, các cú sốc vĩ mô là sự thay đổi một cách ngẫu nhiên, không thể đoán được của các biến vĩ mô Đó là một trong những lý do giải thích cho việc sử dụng phương pháp EGARCH trong bài nghiên cứu Hiện tượng phương sai thay đổi xuất hiện trong kết quả nghiên cứu khi sử dụng phương pháp OLS có thể được giải thích do chuỗi dữ liệu thu thập được của bài nghiên cứu còn tồn tại những yếu tố mang tính quy luật, chứ không phải chỉ có tính ngẫu nhiên, việc sử dụng mô hình EGARCH là để giải quyết vấn đề này Trong bài nghiên cứu, cú sốc vĩ mô được đại diện bởi hai biến là rủi ro và

sự không chắc chắn của các nhân tố vĩ mô (như tăng trưởng GDP, lạm phát) Trong bài nghiên cứu có sự phân biệt rõ ràng giữa rủi ro và sự không chắc chắn của các nhân tố

vĩ mô Rủi ro được định nghĩa là ẩn số có xác suất đo lường được, trong khi không chắc chắn liên quan đến ẩn số không có khả năng đo lường được kết quả Sự không chắc chắn và rủi ro là những khái niệm có liên quan nhiều trong kinh tế và thị trường chứng khoán Các định nghĩa về rủi ro và sự không chắc chắn đã được thành lập bởi Frank H Knight trong cuốn sách năm 1921 của mình, "Rủi ro, không chắc chắn, và lợi nhuận", trong đó, ông định nghĩa rủi ro là một xác suất đo lường liên quan đến các sự kiện trong tương lai, và ông lập luận rằng rủi ro sẽ không tạo ra lợi nhuận Rủi ro được tính toán sử dụng mô hình lý thuyết, hoặc bằng cách tính toán tần số quan sát các sự kiện để suy luận xác suất Sự không chắc chắn là không thể định lượng được, vì các sự kiện trong tương lai là quá không thể đoán trước, và thông tin là không đủ Sự không chắc chắn về sự kiện này không phải là một cái gì đó mà có thể được tính toán bằng

mô hình trước Mặc dù ngẫu nhiên của các sự kiện nền tảng cho cả hai nguyên tắc, điều quan trọng là phải phân biệt sự khác nhau có liên quan đến đầu tư Một nhà đầu tư có

cơ hội để tính toán rủi ro bằng cách suy luận xác suất qua để bảo vệ danh mục đầu tư của mình Sự không chắc chắn là không thể định lượng được và do đó không cung cấp các cơ hội như nhau để bảo vệ đầu tư Cả hai nguyên tắc làm việc song song và áp dụng trong tình huống đầu tư, hoặc thậm chí triển vọng của việc đầu tư vào thị trường chứng khoán

2.1.3 Vấn đề khai thác tín hiệu , rủi ro, sự không chắc chắn và hành vi có hệ thống của các ngân hàng

Để phân tích tác động của cú sốc vĩ mô đến rủi ro có tính hệ thống của ngân hàng trong bài nghiên cứu dựa lý thuyết nền “vấn đề khai thác tín hiệu” (a signal

extraction problem) được phát triển bởi Lucas(1973) Với giả thuyết là có sự hiện diện

của các vấn đề thông tin, các cú sốc tổng hợp có thể gây nhiễu chất lượng tín hiệu của

giá cả và làm méo mó phân bổ nguồn lực ngân hàng một cách có hệ thống (Bernanke

và Gertler, 1989; Kyotaki và Moore, 1997; Beaudry et al, 2001; Vives, 2010)

Có nhiều nghiên cứu về ảnh hưởng của rủi ro trong kinh tế vĩ mô dẫn đến các

ngân hàng phản ứng giống nhau (tạo ra mẫu hình chung) (ví dụ, Barth et al, 1999; Borio et al, 2001; Bikker và Hu, 2002; Bikker và Metzemakers, 2005; Baele et al,

2007 Wagner, 2007; Somoye và Ilo, 2009; Nijskens và Wagner, 2011) Tuy nhiên, dù

rằng tất cả những rủi ro và sự không chắc chắn đều có khả năng ảnh hưởng đến hành vi của hệ thống ngân hàng, song vài tác giả cho rằng vai trò của sự không chắc chắn của các nhân tố vĩ mô cao hơn khi đưa vào các nghiên cứu hành vi bầy đàn của các ngân hàng do việc sử dụng mô hình ước lượng OLS và GMM không có tính đến hiện tượng phương sai thay đổi, sự phân biệt giữa cú sốc âm và cú sốc dương, làm cho một số biến không có ý nghĩa thống kê

Các nhà nghiên cứu đều nhận thấy rằng trong điều kiện tuyệt đối, tính đồng nhất

về hành vi của ngân hàng sẽ tăng lên để phản ứng với sự gia tăng rủi ro và sự không chắc chắn của các biến kinh tế vĩ mô, và sẽ dẫn đến làm giảm sự phân tán cross-section danh mục đầu tư của ngân hàng

Khi nghiên cứu mức độ đồng nhất khi ngân hàng điều chỉnh để đối mặt với các

cú sốc kinh tế vĩ mô trong các bài nghiên cứu trước đây thường áp dụng một chiến lược nghiên cứu dựa trên các mô hình đảo (island paradigm) phát triển bởi Lucas (1973) Cách tiếp cận này đã được áp dụng thành công, bao gồm các phân tích của sự phân tán

cross-sectional của công ty, thị trường tài chính, và danh mục (Beaudry 2001; Baum et

al, 2002, 2004; Hwang và Salmon, 2004; Quagliariello, 2007; Vives, 2010)

Trong các nghiên cứu trước đây về lĩnh vực ngân hàng, Baum và cộng sự (2004, 2009) và Quagliariello (2009) nghiên cứu cụ thể những cú sốc kinh tế vĩ mô ảnh

hưởng đến tín hiệu về lợi nhuận kỳ vọng của ngân hàng như thế nào Tình trạng khó khăn về mặt lý thuyết chính của họ là bất ổn kinh tế lớn gây cản trở khả năng của các

ngân hàng thấy trước những cơ hội đầu tư Từ kết quả nghiên cứu ông đã đưa ra kết luận là suy giảm chất lượng thông tin nên dẫn đến sự thu hẹp của sự phân tán cross-section của các thành phần của danh mục đầu tư ngân hàng, các ngân hàng phân bổ tài sản trong danh mục đầu tư của họ đồng nhất hơn khi bất ổn kinh tế vĩ mô tăng Hay nói khác hơn khi có rủi ro hay sự không chắc chắn cao trong các nhân tố vĩ mô sẽ làm cho hành vi của các ngân hàng đồng nhất hơn

Trong hai thập kỷ qua, đã có nhiều bài nghiên cứu về tác động của các cú sốc vĩ mô đến hành vi đồng nhất của các ngân hàng và dẫn đến tăng rủi ro hệ thống (systemic risk) Nhiều bài nghiên cứu trong đó đã thất bại khi chỉ rõ rằng rủi ro của các nhân tố vĩ

mô không có tác động đến hành vi đồng nhất của các ngân hàng khi sử dụng phương pháp OLS, bên cạnh đó các nghiên cứu chứng minh rằng khi có cú sốc vĩ mô (đa số trong các bài nghiên cứu sử dụng sự không chắc chắn đại diện cho cú sốc vĩ mô), các ngân hàng sẽ phản ứng đồng nhất hơn, làm tăng rủi ro hệ thống (systemic risk)

Pecchino(1998) với bài nghiên cứu “Risk averse bank managers: Exogenous shocks, portfolio reallocations and market spillovers”, sử dụng dữ liệu của Mỹ Ông kết luận

là ảnh hưởng của một cú sốc với chi phí của ngân hàng hoặc lợi nhuận cho vay không chỉ giới hạn ở ngân hàng mà còn có tsc động lan tràn đến ngân hàng khác Các cú sốc theo ngành có thể gây ra hậu quả toàn cầu, và các cú sốc toàn cầu được tăng cường bởi

sự lan tỏa

Theo Barth và Caprio (1999), sử dụng dữ liệu của 45 nước, kiểm tra mối liên hệ

giữa những hạn chế về quy định đối với hoạt động của các ngân hàng, khả năng của các chính phủ và các hệ thống quan liêu hoạt động có hiệu quả, mức độ phát triển và hiệu quả của ngành ngân hàng và sự mỏng manh của hệ thống ngân hàng, ông đã kết luận rằng khi có các cú sốc vĩ mô, các ngân hàng sẽ có phản ứng như nhau (common pattern)

Beaudry, Caglayan và Schiantarelli (2001) nghiên cứu “Monetary Instability, the Predictability of Prices, and the Allocation of Investment: An Empirical Investigation Using U.K Panel Data” bằng cách sử dụng dữ liệu theo thời gian từ

năm 1970 đến 1990, với các nhân tố vĩ mô được sử dụng trong mô hình là sự không chắc chắn liên quan đến lạm phát và cung tiền Bài nghiên cứu sử dụng phương pháp ARCH, bài nghiên cứu đã trình bày một phân tích mà ông tranh luận rằng sự gia tăng

bất ổn kinh tế vĩ mô có thể dẫn đến giảm đáng kể trong sự phân tán cross-sectional của

tỷ lệ đầu tư và làm bóp méo sự phân bổ nguồn lực

Bài nghiên cứu của Baum và cộng sự (2002) với nghiên cứu: “The impact of economic uncertainnty on bank lending behaviour” Bài nghiên cứu điều tra mối quan

hệ giữa sự không chắc chắn vĩ mô (lạm phát và sản xuất công nghiệp) với hành vi cho vay của các ngân hàng bằng cách sử dụng 2 chuỗi dữ liệu khác nhau của các ngân hàng thương mại của Mỹ, thứ nhất là chuỗi dữ liệu theo năm từ 1981 đến 2000, chuỗi dữ liệu thứ hai là dữ liệu theo quý từ quý 1 năm 1991 đến quý 4 năm 2000 Sử dụng mô hình GARCH, họ cho ra kết luận rằng với sự có mặt của sự không chắc chắn vĩ mô vĩ

mô, các ngân hàng trở nên thận trọng hơn, và hành động phối hợp này sẽ dẫn đến việc

thu hẹp sự phân bố các tỷ lệ cho vay/tài sản (lta) của các ngân hàng

Baum và cộng sự (2004) với nghiên cứu: “The second moments matter: The response of bank lending behavior to macroeconomic”, sử dụng một mô hình danh

mục đầu tư và một mẫu của các ngân hàng Mỹ Ông cho rằng McEvoy (1956) đã cung cấp cho chúng ta một bức chân dung độc đáo về sự phân bố tỷ lệ nợ trên tổng tài sản của các ngân hàng nhưng kể từ thời điểm đó, không ai khác cung cấp thông tin thống

kê tương tự Baum đã kế thừa nghiên cứu của McEvoy bằng cách dựa trên số liệu của các ngân hàng thương mại của Mỹ, dữ liệu được lấy theo quý từ quý 1 năm 1979 đến quý 3 năm 2003 Cú sốc vĩ mô trong bài nghiên cứu được đại diện bởi sự không chắc chắn trong chỉ số sản xuất công nghiệp và lạm phát Ông kết luận rằng bài nghiên cứu cho ra kết quả mạnh mẽ ủng hộ cho giả thuyết rằng sự không chắc chắn sẽ dẫn tới sự thu hẹp sự phân tán (phương sai) của tỷ lệ cho vay trên tổng tài sản, làm gián đoạn việc phân bổ nguồn vốn vay Kết quả của họ cho thấy rằng khi sự bất ổn về kinh tế vĩ mô – đại diện bởi phương sai có điều kiện của một biến kinh tế vĩ mô có liên quan tăng lên

sẽ làm cho sự phân tán của tỷ số cho vay trên tổng tài sản giảm đi vì sự không chắc chắn cản trở khả năng của ngân hàng để dự đoán cơ hội đầu tư Nói cách khác, họ cho rằng sự không chắc chắn cao hơn làm cho tín hiệu về lợi nhuận kỳ vọng mà các ngân hàng nhận được bị nhiễu nhiều hơn Do đó, sự không chắc chắn sẽ đẩy các ngân hàng phải cân bằng lại thành phần tài sản của họ theo các tín hiệu mới (tồi tệ hơn) được cung cấp bởi thị trường tín dụng, tác động tiêu cực đến việc phân bổ các nguồn tài chính Điều này thúc đẩy hành vi bầy đàn và dẫn các ngân hàng hành xử đồng nhất hơn

Thông qua cách tiếp cận tương tự, Garcia và Calmes (2005) cũng đạt kết luận

tương tự cho hệ thống ngân hàng Canada Kết quả của họ, mặc dù dựa trên hồi quy đơn

OLS, xác nhận rằng có một mối quan hệ tiêu cực giữa biến đại diện cho sự không chắc chắn về kinh tế vĩ mô và sự phân tán của tỷ lệ cho vay/tài sản giữa các ngân hàng Nói cách khác, cũng có những định chế trung gian ở Canada cho thấy hành vi bầy đàn khi

họ đối phó với sự không chắc chắn tăng lên

Theo Quagliariello (2007), với nghiên cứu “Macroeconomic Uncertainty and Banks‟ Lending Decisions: The Case of Italy.”, bài nghiên cứu xem xét vai trò sự

không chắc chắn vĩ mô đến sự lựa chọn của các ngân hàng trong việc phân bổ tài sản, bằng cách sử dụng dữ liệu thep quý từ quý 1 năm 1990 đến quý 1 năm 2005, phương pháp sử dụng là GARCH Kế thừa mô hình nghiên cứu của Baum và cộng sự (2004), ông phát hiện rằng khi có sự không chắc chắn trong điều kiện vĩ mô tăng lên sẽ làm giảm sự phân tán của tỷ số lta (cho vay/tài sản)

Baum và cộng sự (2009) với bài nghiên cứu: “The second moment matters: the impact of macroeconomic uncertainty on the allocation of loanable funds” dựa trên số

liệu rất lớn của Hoa Kỳ kéo dài 1979-2003, bài nghiên cứu cho thấy rằng sự gia tăng bất ổn kinh tế vĩ mô có hệ thống tạo ra một sự suy giảm đáng kể trong sự phân tán (phương sai) cross-sectional của tỷ lệ các khoản vay trên tài sản sau một năm Các tác giả cho rằng mô hình này luôn được quan sát thấy bất kể cách phân tán (phương sai) cross-sectional được định nghĩa như thế nào, dù là xem xét tổng dư nợ hay các khoản vay của các hộ gia đình, hoặc các khoản vay thương mại và công nghiệp ngay cả khi có

sự thay đổi chế độ kiểm soát tiền tệ, lạm phát, chỉ số hàng đầu hoặc thay đổi pháp lý

Theo Calmès và Théoret (2014) với bài nghiên cứu “ Bank systemic risk and macroeconomic shocks : Canada and U.S evidence “ sử dụng số liệu của 6 ngân hàng

lớn của Canada và dữ liệu của 20 ngân hàng của Mỹ từ quý 1 năm 2007 đến quý 2 năm

2010 Bài nghiên cứu này hai ông thực hiện ước lượng cho các hoạt động ngoài lãi chứ không chỉ hoạt động cho vay Bằng các biến vĩ mô là sự không chắc chắn tăng trưởng kinh tế, sự không chắc chắn lạm phát, tăng trưởng kinh tế, chênh lệch sản lượng, lạm phát và đòn bẫy tổng hợp Hai ông cho ra kết luận rằng các cú sốc vĩ mô tác động đến hành vi theo nhóm của các ngân hàng vì tất cả các biến đều có ý nghĩa thống kê do đó làm tăng rủi ro hệ thống Trong đó, tác động của sự không chắc chắc vĩ mô (sự không chắc chắn tăng trưởng kinh tế, sự không chắc chắn lạm phát) đều âm, chứng tỏ khi sự không chắc chắn trong điều kiện vĩ mô càng tăng thì càng làm hành vi đồng nhất của

các ngân hàng Hệ số của tăng trưởng GDP và chênh lệch sản lượng là dương Riêng

đòn bẫy tổng hợp có tác động âm lên hoạt động cho vay nhưng lại có tác động dương lên hoạt động ngoài lãi

Ngoài ra còn nhiều bài nghiên cứu khác như của Gambera (2000), Meyer và Yeager (2001) đã tìm thấy một số biến vĩ mô có tác động đến hoạt động cho vay (tỷ số

lta) của các ngân hàng ở Mỹ

Dựa trên xem xét các nghiên cứu trước đây ta có thể đưa ra một vài giả thuyết

kỳ vọng về dấu của các biến cho mô hình nghiên cứu trong bài Một sự gia tăng trong

sự không chắc chắc của kinh tế vĩ mô như sự không chắc chắc trong tăng trưởng GDP

hay sự không chắc chắn trong lạm phát (được đo lường bằng phương sai có điều kiện

của tăng trưởng GDP và bằng phương sai có điều kiện của lạm phát) sẽ kết hợp với một sự giảm trong disp(lta) và disp(snonin)

Do đó: cv_gdp   disp(lta) hoặc disp(snonin) 

cv_gdp_w   disp(lta) hoặc disp(snonin)  cv_inf   disp(lta) hoặc disp(snonin )

Khi rủi ro trong tăng trưởng GDP tăng lên, nghĩa là tốc độ tăng trưởng GDP

giảm thì các ngân hàng sẽ đồng nhất hơn trong các hành vi phản ứng lại cú sốc này, do

đó phương sai của tỷ số lta và snonin giảm

Khi có lạm phát sẽ bóp méo các tín hiệu cho giá cả tương đối, khi đó các ngân

hàng sẽ có phản ứng đồng nhất hơn Nên khi lạm phát tăng lên sẽ làm disp(lta) và disp(snonin) giảm Tương tự như rui ro tăng trưởng GDP và lạm phát, rủi ro trong

chênh lệch sản lượng cũng được xem làm tăng sự đồng nhất của các ngân hàng

Do đó: dln(gdp)   disp(lta) hoặc disp(snonin) 

lạm phát (inf)  disp(lta) hoặc disp(snonin )

output_gap   lợi nhuận chứng khoán 

Phương sai có điều

kiện của tăng trưởng GDP

cv_gdp

Phương sai có điều

kiện theo tỷ trọng của tăng

Theo Calmès và Théoret (2014), trong bài nghiên cứu hai ông đã giới thiệu một

biến đại diện cho rủi ro của ngành ngân hàng, được gọi là mức đòn bẫy tổng hợp Hai ông cho rằng khi đòn bẫy tăng lên nghĩa là rủi ro của ngành ngân hàng tăng lên, khi đó

sẽ tác động làm cho các ngân hàng hành xử đồng nhất hơn

Do đó: dtl   lợi nhuận chứng khoán 

Ngoài ra còn có rất nhiều bài nghiên cứu về các nhân tố vĩ mô khác ngoài các nhân

tố trên Thông qua việc xem xét các bài nghiên cứu trên thế giới, ta đặt ra câu hỏi liệu rằng ở Việt Nam dưới tác động của các cú sốc vĩ mô các ngân hàng Việt Nam có những hành vi đồng nhất trong phản ứng dẫn đến làm tăng rủi ro hệ thống hay không ? Bài nghiên cứu dưới đây xem xét rủi ro hệ thống đứng dưới gốc độ hành vi của các ngân hàng, cách mà các ngân hàng phản ứng đồng nhất với những cú sốc bên ngoài có

thể dẫn đến có một mô hình chung và làm tăng rủi ro hệ thống (như Jain và Gupta, 1987; Pecchino, 1998; Borio et al, 2001; Hyytinen et al, 2003 ) Với điểm dặc biệt là

bài nghiên cứu thực hiện cho cả hoạt động ngoài lãi của các ngân hàng mà không chỉ hoạt động cho vay như đa số các nghiên cứu trước đây Bên cạnh đó bài nghiên cứu còn xem xét cả rủi ro của các biến vĩ mô, không chỉ là sự không chắc chắn, đó là một trong những thiếu sót trong các bài nghiên cứu trước mà Calmes (2014) đã chỉ ra

Chương 3 Nguồn dữ liệu và phương pháp nghiên cứu

trọng số), cv_if (phương sai có điều kiện của lạm phát) Các biến vĩ mô như tăng

trưởng GDP, output gap và lạm phát là các biến đại diện cho rủi ro vĩ mô Ngoài ra,

điểm đặc biệt của bài nghiên cứu là có sự phân biệt rõ ràng giữa tác động của rủi ro và tác động của sự không chắc chắn, biến đại diện cho sự không chắc chắn được sử dụng

là phương sai có điều kiện của tăng trưởng GDP và lạm phát

3.1.1 Các biến đại diện cho hành vi nhất quán (bầy đàn) của của ngân hàng:

Trong bài nghiên cứu này, với các số liệu của ngân hàng sẽ được thu thập từ 9 ngân hàng ở Việt Nam bao gồm (Viettinbank, BIDV, Agribank, Vietcombank, Sacombank, Eximbank, ACB, SCB, OCB ) từ quý 1 năm 2006 đến quý 3 năm 2016 (43 quan sát) ngân hàng lớn trong nước chiếm khoảng 80% của kinh doanh ngân hàng

ở Việt Nam Việc lựa chọn khoảng thời này là do hạn chế về mặt số liệu quá khứ, trước năm 2006 đa số các ngân hàng chưa có số liệu về báo cáo tài chính theo quý và việc thu thập số liệu trong giai đoạn trước cũng có thể dẫn đến kém hiệu quả trong nghiên cứu Từ năm 2006 số lượng các ngân hàng công bố báo cáo tài chính quý ngày càng tăng lên Cũng từ năm 2006 hoạt động của ngân hàng ngày càng được chú ý và vai trò ngân hàng trong nền kinh tế cũng tăng lên Số liệu của ngân hàng được thu thập là dư

nợ, tổng tài sản từ bảng cân đối kế toán; thu nhập ngoài lãi và thu nhập hoạt động được thu thập từ báo cáo hoạt động kinh doanh của ngân hàng

Do các cú sốc vĩ mô tác động làm bóp méo sự phân bổ cả thu nhập từ lãi và thu nhập ngoài lãi, do đo danh mục tài sản rủi ro mà chúng ta phân tích trong bài nghiên cứu này sẽ bao gồm luôn cả hoạt động cho vay và thu nhập ngoài lãi Bài nghiên cứu tập trung vào cơ chế mà khi có sự biến đổi trong bất ổn kinh tế vĩ mô có thể ảnh hưởng đến sự sẵn sàng mở rộng tín dụng của các ngân hàng Với một mô hình tối ưu hóa danh mục đầu tư đơn giản, trong đó các nhà quản lý phải cân bằng lại danh mục đầu tư tài sản của mình để duy trì một mức độ rủi ro và lợi nhuận kỳ vọng thích hợp, ngụ ý rằng các ngân hàng sẽ được dự kiến sẽ giảm cho vay với các khoản vay rủi ro khi nhận ra rằng có sự không chắc chắn cao hơn về yếu tố kinh tế vĩ mô, và khả năng cao hơn dẫn đến vỡ nợ của khách hàng vay Trong trường hợp không có thông tin riêng của khách hàng, nếu tất cả các ngân hàng nhận thức nguy cơ cao xảy ra cú sốc vĩ mô, mỗi ngân hàng dự kiến sẽ giảm sự phụ thuộc của họ vào các khoản cho vay, đo bằng tỷ số dư nợ/

tổng tài sản (lta), chạy từ 0 đến 1

Để kiểm định giả thuyết bài nghiên cứu sử dụng phương sai của của tỷ số dư nợ/

tổng tài sản (lta) của tất cả các ngân hàng trong mẫu theo từng quý để đo độ phân tán của tỷ số lta giữa các ngân hàng Tương tự với các khoản cho vay,theo lý thuyết khi có

các cú sốc vĩ mô sẽ làm cho các hoạt động cho vay của các ngân hàng giảm, khi thu

nhập từ lãi giảm đi mặc dù thu nhập ngoài lãi có thể không tăng song tỷ số snonin vẫn

tăng Phân tán cross-sectional (phương sai) được xem như là một thước đo sự khác biệt

của tỷ số lta (dư nợ/ tài sản) và snonin của các ngân hàng

Biến lta và snonin trong bài được tính theo phương trung bình cộng đơn giản

của tỷ số lta và snonin của tất cả các ngân hàng có trong mẫu trong một thời điểm t

Biến disp(lta) và disp(snonin) là phân tán cross-sectional của lta và snonin Được tính

bằng phương sai của tỷ số lta hoặc snonin của các ngân hàng có trong mẫu tại thời điểm một quý

Ví dụ như giá trị disp(lta) của quý 1 năm 2006 sẽ được tính bằng cách lấy

phương sai của tỷ số lta của một chuỗi các ngân hàng trong mẫu tại quý 1 năm 2006

Bảng 3.1: Thống kê mô tả cho dữ liệu ngân hàng

Trung bình Trung vị

Độ lệch chuẩn

Số lớn nhất

Số nhỏ nhất skewess Kurtosis

Lta(%) 60.9553 62.09764 11.0436 85.375 27.157 -0.4932 0.203

Snonin(%) 21,317 19,732 27,733 186,945 -171,961 -1,15 18,117

Disp(lta) 124,294 97,216 100,291 345,209 2,116 0,71480 -0,604

Disp(snonin) 734,375 294,923 1089,935 4486,112 22,273 2.43 5,315

Các ngân hàng Việt Nam có tỷ lệ cho vay trên tài sản (lta) cao hơn trong giai đoạn đầu của thời kỳ nghiên cứu như trong hình 3.1 bên dưới Tỷ lệ lta trung bình là 60.9553% , mặc dù khi lta cao hơn sẽ tạo ra nguồn thu nhập cao cho các ngân hàng

nhưng cũng sẽ tiềm ẩn nhiều rủi ro nên những năm gần đây các ngân hàng đã chủ động

giảm bớt tỷ lệ này ở mức hợp lý Ví dụ như năm 2004 tỷ số lta trung bình của các ngân hàng là 86,8% sang năm 2005 giảm còn 85,6% đến năm 2006 còn 76% (nguồn số liệu từ: phòng nguồn vốn và kế hoạch tổng hợp)

Tài sản của các ngân hàng Việt Nam trong mẫu nằm trong khoảng 533,47 tỷ đồng đến 950.377,914 tỷ đồng Trong suốt thời kỳ nghiên cứu tổng tài sản của các ngân hàng không ngừng tăng lên, một phần do sự thành công của sáp nhập và mua lại.Đặc biệt là trong giai đoạn vừa qua làn sóng mua bán, sáp nhập ngân hàng tiếp tục nóng với hàng loạt các thương vụ như MHB - BIDV, PG Bank - Vietinbank, Mekong Bank - Maritime Bank

Hình 3.1: Biểu đồ tỷ số cho vay / tài sản (lta) và tỷ số thu nhập ngoài lãi trên thu nhập hoạt động thuần (snonin) trung bình của các ngân hàng ở Việt Nam trong giai đoạn nghiên cứu

06 07 08 09 10 11 12 13 14 15 16

Snonin

Tỷ số thu nhập ngoài lãi trên thu nhập hoạt động thuần của ngân hàng ở Việt

Nam có xu hướng giảm như tỷ số lta Tỷ số snonin trung bình là 21.317%, tỷ số snonin

của các ngân hàng ở Việt Nam giảm chủ yếu là do thua lỗ trong các hoạt động đầu từ ngoài lãi của ngân hàng Ví dụ nhưSacombank trong quý IV/2015 là thu nhập từ các hoạt động khác giảm 18,9 tỷ đồng do các khoản đầu tư lỗ

Đối với các ngân hàng ở Việt Nam, thu nhập ngoài lãi có khi âm,vì chi phí ngoài lãi nhìn chung vượt quá khoản thu từ dịch vụ, từ hoạt động kinh doanh ngoại hối, mua bán chứng khoán.v.v , mặc dù tỷ lệ khoản thu từ hoạt động này trong tổng các nguồn thu của ngân hàng đã tăng rất nhanh trong những năm gần đây

3.1.2 Đòn bẫy tổng hợp (dtl):

Tại sao các chỉ số đòn bẩy thông thường không cho thấy bất kỳ tín hiệu về các

rủi ro hệ thống trước khi xảy ra cuộc khủng hoảng cho vay dưới chuẩn? (Philippe Bergevin & Christian Calmès & Raymond Théoret, 2013) Đây là câu hỏi được đặt ra

trong những thập kỷ gần đây, trong khi các ngân hàng đã trải qua một sự biến to lớn Các ông cho rằng ngân hàng theo định hướng thị trường được đặc trưng bởi một loại rủi ro mới là rủi ro có hệ thống, một rủi ro mà bản chất là phụ thuộc vào tài khoản ngoại bảng cân đối và chỉ số đòn bẩy tiêu chuẩn không được trang bị để nắm bắt các loại rủi ro ngân hàng mới Họ đã giới thiệu một khuôn khổ thực nghiệm mới cho phép khai thác các tính chất chu kỳ của biện pháp độ đàn hồi đòn bẩy, trong khi đồng thời kiểm soát những thông tin nhiễu Tóm lại, nhờ vào bộ lọc Kalman, có thể tính toán mức độ tối ưu của đòn bẩy ngân hàng Phương pháp này mang tính chu kỳ, dự báo các tín hiệu về rủi ro hệ thống xảy ra trước khi nó bùng nổ của họ Bằng cách xem xét tất

cả các hoạt động của ngân hàng (ngân hàng theo hướng thị trường) các biện pháp đòn bẩy thời gian khác nhau có xu hướng có hệ thống thu chênh lệch giá được vốn điều lệ

và nguy cơ OBS nó đòi hỏi

Mức đòn bẫy tổng hợp (DTL) được định nghĩa là tính đàn hồi của lợi nhuận (π) Đối với thu nhập hoạt động DTL= ,tốc độ tăng trưởng lợi nhuận so với tốc

độ tăng trưởng của thu nhập hoạt động Tỷ lệ này cho thấy phần trăm thay đổi trong lợi nhuận sau khi thu nhập hoạt động tăng 1% Tỷ lệ này càng cao, các đòn bẩy hơn một ngân hàng càng lớn Như trong trường hợp của đòn bẩy đo bằng tỷ lệ tài sản trên vốn

chủ sở hữu, DTL cao hơn, tác động bất lợi khi doanh thu hoạt động giảm vào khả năng

thanh toán của ngân hàng càng tăng, trong trường hợp này được đo bằng lợi nhuận

Bảng 3.2: Thống kê mô tả cho dữ liệu mức đòn bẩy tổng hợp

Trung bình Trung vị

Độ lệch chuẩn

Số lớn nhất

Số nhỏ nhất skewess Kurtosis

dtl 0.773 0.781 0,49083 5.375 0.157 -0.4932 0.203

Trái với các đòn bẩy tiêu chuẩn, DTL bao gồm các rủi ro xuất phát từ ngành

nghề kinh doanh phi truyền thống của ngân hàng, và bởi vì các hoạt động này cũng ảnh hưởng đến doanh thu và lợi nhuận hoạt động, nó có thể giải thích cho mọi hoạt động

ngân hàng, Thật vậy, DTL cung cấp các phản ứng của tổng lợi nhuận ngân hàng khi

thay đổi 1% tổng thu nhập hoạt động Do đó nó là một chỉ số về phóng đại tác động thu nhập hoạt động trên lợi nhuận, mà điều đó sẽ tác động đến tất cả dòng tiền được tạo ra bởi ngân hàng, và tài khoản ngoại bảng

Nếu biến X có tác động đòn bẩy lên biến Y, đo độ nhạy cảm của Y với những biến động trong X đó là độ co dãn của Y đối với X Tuy nhiên, đòn bẩy ngân hàng thường được định nghĩa là một đơn giản X / Y tỷ lệ vì biến đổi trong tài sản và vốn được giả định là triệt tiêu lẫn nhau Tuy nhiên, trong cách tiếp cận tiêu chuẩn này, giá trị vốn chủ sở hữu được giả định để gây ra tất cả tăng hoặc giảm tài sản Trong thực tế, trong bối cảnh các ngân hàng theo hướng thị trường, vốn có thể được tài trợ bằng nợ thêm hoặc bán tài sản, mà không trực tiếp ảnh hưởng đến vốn cổ phần Nói cách khác, với thanh khoản do cá khoản mục ngoại bảng (OBS) gây ra, mối quan hệ giữa những thay đổi trong tài sản và những thay đổi trong vốn chủ sở hữu không còn là một ánh xạ trực tiếp nữa

Trong môi trường ngân hàng này, để đánh giá đúng đòn bẩy ngân hàngphải từ

bỏ cách tiếp cận truyền thống và xem xét các biện pháp đo lường biến đổi theo thời gian Ngẫu nhiên, phân tích an toàn vĩ mô là chủ yếu liên quan với các biến động ngắn hạn trong đòn bẩy tổng hợp, do đó, các chỉ số đàn hồi (đòn bẫy) cũng cần cung cấp các thông tin về rủi ro ngân hàng Trong bài nghiên cứu này, tôi sử dụng chỉ số mức độ

tổng đòn bẩy (dtl) (DeYoung và Roland, 2001) để đại diện rủi ro của ngành ngân hàng

Một đặc điểm nổi trội của biện pháp này là nó bao gồm tất cả các hoạt động ngân hàng,

và đặc biệt là mọi thành phần của các hoạt động ngoại bảng (OBS)

3.1.3 Tăng trưởng GDP đo lường mức sức mạnh tăng trưởng kinh tế

Hình 3.2: Biểu đồ tăng trưởng GDP theo quí 1 năm 2006 đến quí 4 năm

2010

Số liệu GDP cũng được lấy theo quý từ quý 1 năm 2006 đến quý 3 năm 2016

Dữ liệu được lấy từ trang www.gso.gov.vn Của tổng cục thống kê Biến đại diện cho

rủi ro trong tăng trưởng GDP (dln(gdp)) trong bài nghiên cứu là số liệu hàng quý, được tính như sau: bằng log (GDPt/GDPt-1)

Còn biến số đại diện cho sự không chắc chắn trong tăng trưởng GDP (cv_gdp)

được tính bằng cách lấy phương sai có điều kiện trong chu trình ARMA(2,2)-GARCH cho biến GDP

Theo như thống kê, ta có thể thấy được có những năm như cuối 2008, đầu 2009 tốc độ tăng trưởng giảm khoảng 3% Chúng ta biết rằng các vấn đề thông tin và chi phí đại diện thường cao hơn trong giai đoạn tăng trưởng chậm và đặc biệt là trong các cuộc khủng hoảng, khi các ngân hàng đang tiếp xúc nhiều nhất với rủi ro đạo đức và lựa chọn bất lợi Kinh doanh ngân hàng thường là rủi ro cao hơn trong giai đoạn này, bởi

vì giá trị tài sản thế chấp giảm (Boyd và Gertler, 1994; Kyotaki và Moore, 1997)

Chúng ta cũng biết rằng cả phương sai (sự phân tán cross-section) của tỷ số khoản vay trên tài sản và phương sai (phân tán cross-section) của phần thu nhập ngoài lãi thu nhỏ

trong giai đoạn tăng trưởng chậm, và đặc biệt là trong các cuộc khủng hoảng tài chính, khi đó khả năng phục hồi của hệ thống ngân hàng ở mức thấp nhất

Hình 3.3: Biểu đồ tăng trưởng GDP và phương sai tỷ số dư nợ/ tài sản từ quý 1 năm 2013 đến quý 3 năm 2016

Hình 3.4: Biểu đồ tăng trưởng GDP và phương sai tỷ số thu nhập ngoài lãi/ thu nhập hoạt động thuần từ quý 1 năm 2013 đến quý 3 năm 2016

0 50 100 150 200 250 300 350 400 450

0 50 100 150 200 250 300 350 400 450

Nhìn trong hai hình 3.3 và 3.4 với số liệu thực tế của Việt Nam, ta có thể hy vọng

một mối quan hệ cùng chiều giữa biến tăng trưởng GDP và didp(lta) và disp(snonin)

trong ước lượng đúng như kỳ vọng của bài nghiên cứu

3.1.4 Lạm phát là nhân tố bóp méo tín hiệu đưa ra bởi giá cả tương đối

Nhân tố đầu tiên được đề cập trong mô hình gây tác động hành vi đồng nhất của ngân hàng Việt Nam là tỷ lệ lạm phát Cũng như những bài nghiên cứu trước đây, tỷ lệ lạm phát trong mô hình nghiên cứu được đại diện bởi chỉ số giá cả tiêu dùng (CPI), số liệu chỉ số CPI sẽ lấy năm gốc là năm 2005 (CPI 2005 =100%), dữ liệu được thu thập từ quý 1/2006 đến quý 3/2016 Chỉ số CPI được sử dụng trong bài nghiên cứu lấy từ Thống kê tài chính quốc tế (IFS) Biến đại diện cho sự không chắc chắc trong lạm phát

(cv_inf) được tính bằng phương sai có điều kiện của chu trình AR(1)-GARCH Còn

biến rủi ro liên quan đến lạm phát (inf) được tính bằng log(CPIt/CPIt-1)

Hình 3.5: Biểu đồ của biến inf đại diện cho rủi ro lạm phát từ quý 1 năm

2013 đến quý 3 năm 2016

Tình hình lạm phát trong những năm gần đây khá thâm trầm, tốc độ lạm phát tăng ở mức hai con số chẳng hạn như năm 2007 tăng 12.67% và năm 2008 tăng 22.3% Trong những năm gần đây với chính sách kiềm chế lạm phát của nhà nước tỷ lệ lạm phát đã có xu hướng giảm ví dụ như năm 2011 từ mức lạm phát 2 con số 18.93% đến năm 2012 giảm còn 1 con số là 6 81 % và năm 2013 còn 5.92% Tuy nhiên lạm phát

-2 0 2 4 6 8 10

INF