Phân tích các yếu tố tác động đến hệ số an toàn vốn của ngân hàng thương mại cổ phần tại Việt Nam năm 2023

GIẢ THUYẾT NGHIÊN CỨU 1. Quy mô ngân hàng (SIZE)

Tuy nhiên theo Phạm Phát Tiến và Nguyễn Thị Kiều Ny (2019) lại cho rằng, quy mô ngân hàng càng lớn, quản lý rủi ro ngân hàng càng đảm bảo, vì vậy quy mô ngân hàng tác động cùng chiều đến hệ số CAR. Vừ Hồng Đức, Nguyễn Minh Vương và Đỗ Thành Trung (2014) lại giải thích rằng, tiền gửi khách hàng là nguồn huy động có chi phí tương đối rẻ hơn so với các cách huy động vốn khác, vì vậy, rủi ro đối với khoản huy động vốn tiền gửi tương đối thấp. Kết quả nghiên cứu các ngân hàng ở Indonesia của Usman (2019) đã chứng minh rằng thu nhập lãi cận biên của ngân hàng có tác động dương đối với hệ số CAR.

Nếu thu nhập lãi cận biên (NIM) thể hiện tốc độ tăng trưởng thu nhập từ lãi, khả năng kiểm soát chi phí lãi của ngân hàng, thì lợi nhuận trên tổng tài sản (ROA) không những là một biến thể hiện khả năng sinh lời, mà còn đánh giá hiệu quả sử dụng vốn huy động của ngân hàng. Ngân hàng dùng vốn huy động đầu tư vào các tài sản rủi ro để thu về lợi nhuận, vì vậy lợi nhuận càng cao, tài sản rủi ro càng càng cao, hệ số CAR càng giảm. Theo các nhà nghiên cứu, tỷ lệ trích lập dự phòng ở các ngân hàng có xu hướng tăng đồng nghĩa với khoản cho vay rủi ro cao của ngân hàng đang tăng.

Nhu cầu vốn giảm trong khi chi phí huy động vốn tăng, điều đó ảnh hưởng tiêu cực đến hoạt động ngân hàng nói chung và tỷ lệ an toàn vốn nói riêng.

QUY TRÌNH NGHIÊN CỨU 1. Mô hình nghiên cứu

Tác giả sử dụng phần mềm STATA để thực hiện mô tả tóm tắt các đặc trưng của biến phụ thuộc và các biến độc lập như giá trị trung bình, giá trị lớn nhất, giá trị nhỏ nhất và độ lệch chuẩn. Tác giả chạy mô hình hồi quy lần lượt theo các phương pháp: mô hình hồi quy bình phương nhỏ nhất (Pooled Ordinary Least Square - Pooled OLS), mô hình tác động cố định (Fixed Effects Model – FEM), mô hình tác động ngẫu nhiên (Random Effects Model – REM). Sau khi thực hiện ước lượng mô hình theo 3 phương pháp OLS, FEM và REM, tác giả tiến hành một số kiểm định bao gồm: Kiểm định Fixed effect, Breusch-Pagan và Hausman để lựa chọn mô hình phù hợp nhất.

Căn cứ vào kết quả hồi quy, tác gia tiến hành thảo luận, đưa ra kết luận, đồng thời đề xuất các gợi ý, khuyến nghị nhằm giải quyết mục tiêu đã đề ra. Để phục vụ cho mục đích của bài viết là nghiên cứu các yếu tố ảnh hưởng đến hệ số an toàn vốn của các NHTM Việt Nam, tác giả thu thập dữ liệu thứ cấp của các NHTM Việt Nam để đo lường biến phụ thuộc CAR và các biến độc lập ở nhóm các yếu tố thuộc vi mô ngân hàng (SIZE, DEP, NIM, ROA, LOA, LLR, NPL) từ báo cáo thường niên, báo cáo tài chính kiểm toán hợp nhất từ năm 2012 đến năm 2021. Vì hạn chế trong việc công bố thông tin, một số ngân hàng không có số liệu về một số chỉ tiêu ở một số năm mà tác giả nghiên cứu.

Tác giả sử dụng Excel để tính toán các giá trị của biến độc lập, đồng thời sử dụng phần mềm STATA 16.0 để tiến hành phân tích mô tả, kiểm định tương quan, chạy và lựa chọn mô hình phù hợp.

PHƯƠNG PHÁP NGHIÊN CỨU 1. Phương pháp định tính

Đề tài sử dụng mô hình hồi quy bình phương nhỏ nhất (Pooled Ordinary Least Square - Pooled OLS), mô hình tác động cố định (Fixed Effects Model – FEM), mô hình tác động ngẫu nhiên (Random Effects Model – REM) và mô hình FGLS (Cross-section weights). Để kiểm định các giả thuyết nghiên cứu và tìm ra mô hình phù hợp cho đề tài, tác giả sử dụng các kiểm định F, kiểm định Breusch-Pagan và kiểm định Hausman với mức ý nghĩa 1%, 5% và 10% để xác định mức độ tin cậy của các biến độc lập đối với biến phụ thuộc. Căn cứ vào hệ số hồi quy Beta để giải thích xu hướng cũng như mức độ ảnh hưởng của các biến độc lập đến hệ số an toàn vốn.

Nhằm mục đích tăng độ tin cậy và tính phù hợp của kết quả nghiên cứu, tác giả tiến hành các kiểm định để kiểm tra đa cộng tuyến, tự tương quan và phương sai sai số thay đổi. Hệ só VIF quyết định mức độ nghiêm trọng của hiện tượng đa cộng tuyến trong mô hình, nếu hệ số VIF không lớn hơn 10 thì mô hình không xuất hiện hiện tượng đa cộng tuyến nghiêm trọng. Có nhiều phương pháp kiểm định hiện tượng phương sai sai số thay đổi như kiểm định White, Harvey, Modified và Breusch-Pagan.

Dựa trên cơ sở lý thuyết ở chương 2, tác giả khái quát mô hình nghiên cứu gồm các biến độc lập: Quy mô ngân hàng, Tỷ lệ tiền gửi, Thu nhập cận biên, Lợi nhuận trên tổng tài sản, Tỷ lệ cho vay, Tỷ lệ dự phòng rủi ro, Tỷ lệ nợ xấu và Tỷ lệ lạm phát.

Thống kê mô tả

Thu nhập lãi cận biên (NIM) có giá trị trung bình là 3,3%; giá trị lớn nhất là 9,4% của ngân hàng Thương mại cổ phần Việt Nam Thịnh Vượng (VPB) và giá trị bé nhất là 0,58% của ngân hàng thương mại cổ phần Phát triển Thành phố Hồ Chí Minh (HDB);.

Phân tích tương quan

Nguồn: Tính toán của tác giả trên Stata 16.0 Qua bảng thống kê trên, các biến SIZE, DEP, ROA và LOA là các biến độc lập tương quan ngược chiều đối với biến phụ thuộc CAR. Trong khi đó, các biến NIM, LLR, NPL và INF lại tương quan dương đối với CAR. Tất cả hệ số tương quan của các biến độc lập với biến phụ thuộc và các biến độc.

Phân tích hồi quy

Các biến DEP, ROA, LOA, LLR, NPL là không có ý nghĩa về mặt thống kê. Nguồn: Tính toán của tác giả trên Stata 16.0 Mô hình thứ hai là mô hình tác động ngẫu nhiên REM (Random Effect Model). Biến độc lập SIZE tác động ngược chiều đến hệ số CAR với mức ý nghĩa 1%.

Kiểm định lựa chọn mô hình

Sau khi tìm ra 2 mô hình phù hợp từ 2 kiểm định trên, tác giả tiếp tục thực hiện kiểm định Hausman để lựa chọn mô hình phù hợp nhất từ 2 mô hình FEM và REM.

Kiểm định các vi phạm giả thuyết

Kiểm định Phương sai sai số thay đổi Heteroskedasticity cho mô hình FEM bằng kiểm định Wald trong Stata bằng lệnh: xttest3.

Khắc phục khuyết tật của mô hình bằng phương pháp GLS

Tác giả thực hiện phương pháp GLS để khắc phục các khuyết tật của mô hình.

THẢO LUẬN KẾT QUẢ NGHIÊN CỨU

Hệ số Prob (P-value) cho biết mức ý nghĩa về mặt thống kê của hệ số hồi quy biến độc lập đối với biến phụ thuộc, thông thường các mức ý nghĩa về mặt thống kê được sử dụng là 1%, 5% và 10%. Kết quả đúng với bối cảnh ngành ngân hàng Việt Nam khi nguồn vốn tự có của các ngân hàng tăng chủ yếu nhờ vào nguồn lợi nhuận giữ lại và nguồn thu chính của các ngân hàng thương mại Việt Nam là tín dụng. Kết quả tương tự với các nghiên cứu của Dreca (2014), Thân Thị Thu Thuỷ và Nguyễn Kim Chi (2015) khi đều không phát hiện sự ảnh hưởng giữa tỷ lệ trích lập dự phòng và hệ số an toàn vốn CAR.

Nợ xấu là dấu hiệu để các nhà quản trị phát hiện kịp thời và khắc phục các thiếu sót trong chính sách cho vay, cơ cấu lại danh mục khách hàng nhằm hạn chế nguy cơ mất vốn. Đồng thời cũng giúp ngân hàng hạn chế trích lập dự phòng khi không cần thiết, gia tăng lợi nhuận, từ đó giải thích được mối quan hệ cùng chiều của tỷ lệ nợ xấu và hệ số an toàn vốn. Kết quả đề tài tương tự như kết quả nghiên cứu của Ilona Badalashvili (2016) về các báo cáo và dữ liệu hàng quý của các NHTM Hy Lạp trong khoảng thời gian 2001 –2015.

Trong chương 4, tác giả đã tiến hành phân tích và trình bày các kết quả thu được, đánh giá được tác động của từng yếu tố nghiên cứu đối với hệ số an toàn vốn của NHTM Việt Nam, đồng thời tác giả cũng lựa chọn mô hình phù hợp và tiến hành khắc phục các khuyết tật của mô hình.