Tác động của thanh khoản đến khả năng sinh lời của các ngân hàng thương mại Việt Nam trong bối cảnh mới

Giả thiết nghiên cứu

Các ngân hàng có tổng tài sản cao hơn và cơ hội đa dạng hóa lớn hơn có thể duy trì hoặc thậm chí kiểm soát được thanh khoản và gia tăng KNSL trong khi giảm thiểu rủi ro. Phản đối giả thuyết rủi ro, Berger (1995b) xem xét giả thuyết báo hiệu và chi phí phá sản, giả thuyết gợi ý rằng KNSL do các vấn đề về tín hiệu hoặc giảm chi phí của sự khó khăn tài chính tăng do tỷ lệ vốn chủ sở hữu trên tài sản cao hơn. Mặt khác, kết quả nghiên cứu của Vũ Hữu Thành, Nguyễn Thị Ánh Như và Phạm Thị Thu Phương (2016) cũng cho thấy tỷ lệ này có tác động cùng chiều đến ROA và NIM nhưng lại có tác động ngược chiều đến ROE.

Tỷ lệ dư nợ cho vay trên tổng vốn huy Ngân hàng có hệ số LDR thấp được coi là có thanh khoản, lợi nhuận có khả năng thấp hơn và do đó ít rủi ro hơn so với ngân hàng có hệ số LDR cao. Tuy nhiên, theo Ahmed (2009) hệ số LDR cao cho thấy một ngân hàng đã chịu nhiều căng thẳng hơn về tài chính do cho vay quá nhiều và cũng cho thấy rủi ro rằng để đáp ứng yêu cầu của người gửi tiền, ngân hàng có thể phải bán một số khoản vay khi bị lỗ. Kết quả này cũng tương đồng với kết quả của Tăng Mỹ Sang (2020) cũng cho thấy Tỷ lệ dư nợ cho vay trên tổng vốn huy động (LDR) có tác động cùng chiều đến KNSL của NHTM (ROA, ROE).

Rủi ro thanh khoản là một trong những loại rủi ro đối với ngân hàng, khi các ngân hàng nắm giữ một lượng tài sản lưu động thấp hơn, họ sẽ dễ bị tổn thương hơn với số tiền gửi lớn rút tiền. Tuy nhiên, trong nghiên cứu của Vũ Hữu Thành, Nguyễn Thị Ánh Như và Phạm Thị Thu Phương (2016) lai cho thấy Tỷ lệ thanh khoản (LIR) có tác động cùng chiều đến KNSL của NHTM (ROA, ROE, NIM). Tuy nhiên, trong nghiên cứu của Lê Đồng Duy Trung (2020) lại cho thấy lạm phát có tác động cùng chiều đến ROA và ROE. Nghiên cứu này cập nhật giai đoạn năm 2020 và 2021), đây là giai đoạn có nhiều biến động về tình hình kinh tế trong và ngoài nước do dịch bệnh cũng như các cuộc xung đột vũ trang trên thế giới.

Trong các nghiên cứu của Nguyễn Thị Ánh Như và Phạm Thị Thu Phương (2016) có sử dụng các biến CAR, LDR, LIR và nghiên cứu của Tăng Mỹ Sang (2020) có sử dụng biến CAR, LDR, QIR nhằm đại điện cho thanh khoản của ngân hàng, kế thừa các kết quả của các nghiên cứu này, mô hình hồi qui tuyến tính đa biến ctrong nghiên cứu của tác giả được đề xuất như sau:. e: nhiễu, phần dư là đại diện cho sai số của phương trình hồi quy hay các yếu tố khác ảnh hưởng đến biến phụ thuộc ngoài các biến độc lập trong bài).

Phân tích thống kê mô tả

Điều này có nghĩa là trong 100 đồng tài sản có sinh lời của ngân hàng thì ngân hàng kiếm được 3,03 đồng lợi nhuận với độ lệch chuẩn là 1,24%.

Phân tích tương quan

Tuy nhiên, không phải tất cả hệ số tương quan cao đều xảy ra đa cộng tuyến trong mọi trường hợp; (iii) dùng hệ số VIF để kiểm tra đa tình trạng đa cộng tuyến, giá trị VIF càng lớn thì khả năng xảy ra đa cộng tuyến càng tăng, thông thường VIF của một biến độc lập nào đó lớn hơn 10 thì sẽ có hiện tượng đa cộng tuyến cao. Kết quả tại bảng 4.2 cho thấy biến độc lập CARit có tương quan cao (lớn hơn 0,8) với LDRit và LIRit. Vì vậy, tác giả quyết định giữ lại các biến này để khi đối chiếu với các hệ số VIF của từng biến, nêu biến nào có hệ số VIF lớn hơn 10 thì sẽ loại ra khỏi mô hình.

Hệ số tương quan giữa các biến độc lập còn lại đều nhỏ hơn 0,8, nên có thể kết luận rằng không có sự tương quan của các biến này trong mô hình.

Kết quả định lượng của mô hình với biến phụ thuộc ROA

Đây là bằng chứng thống kê bác bỏ giả thuyết H0 cho rằng tất cả các Var ui = 0. Ở kiểm định này giả thuyết H0 đặt ra là ước lượng FEM và REM không khác nhau đáng kể (theo Gujarati, 2004). Nếu giả thuyết H0 bị bác bỏ thì mô hình REM không thích hợp và nên sử dụng mô hình FEM.

Tác giả có có sở kết luận, mô hình không vi phạm giả thiết về đa cộng tuyến. Do mô hình REM vi phạm giả thiết về phương sai sai số thay đổi và tương quan chuỗi nên tác giả sử dụng hồi quy GLS. Kết quả chạy hồi quy GLS với các lựa chọn khắc phục hiện tượng vi phạm giả thiết về phương sai sai số thay đổi và tương quan chuỗi được trình bày trong Bảng 4.6 dưới đây.

Hai biến này không có ý nghĩa thống kê, vì vậy cần loại biến GDPt và Period ra khỏi mô hình và chạy hồi quy lần 2. Kết quả chạy hồi quy GLS lần 2 với các lựa chọn khắc phục hiện tượng vi phạm giả thiết về phương sai sai số thay đổi và tương quan chuỗi được trình bày trong Bảng 4.6.

Kết quả định lượng của mô hình với biến phụ thuộc ROE

Cũng tương tự đối với các bước lựa chọn các mô hình giữa Pooled OLS, FEM và REM ở phần kết quả định lượng của biến ROA và ROE, để quyết định lựa chọn giữa mô hình hồi quy Pooled OLS và FEM, tác giả thực hiện hồi quy mô hình FEM và thực hiện kiểm định F. Dựa trên kết quả Bảng 4.18 cho thấy rằng với biến phụ thuộc là ROA có kết quả cuối cùng cho thấy có ba yếu tố là CARit, LDRit, QIRit có tác động cùng chiều đến ROAit, và một yếu tố LIRit có tác động ngược chiều và có ý nghĩa thống kê đến. Dựa trên kết quả Bảng 4.14 cho thấy rằng với biến phụ thuộc là ROEit có kết quả cuối cùng cho thấy có hai yếu tố là LDRit, CPIt có tác động cùng chiều đến ROEit, và hai yếu tố là CARit và LIRit có tác động ngược chiều và có ý nghĩa thống kê đến ROEit của NHTM Việt Nam.

Các yếu tố khác gồm Tỷ lệ thanh toán nhanh (QIR), và tốc độ tăng trưởng tổng sản phẩm quốc nội (GDP) nghiên cứu không tìm thấy có mối quan hệ có ý nghĩa thống kê đối với biến ROE trong mô hình nghiên cứu. Dựa trên kết quả Bảng 4.21 cho thấy rằng với biến phụ thuộc là NIM có kết quả cuối cùng cho thấy có ba yếu tố là CARit, LDRit, CPIt có tác động cùng chiều và có ý nghĩa thống kê đến NIMit của NHTM Việt Nam. Kết quả này phù hợp với giả thiết 1 đặt ra của mô hình nghiên cứu và nó cũng giống kết quả của Vũ Hữu Thành, Nguyễn Thị Ánh Như và Phạm Thị Thu Phương (2016), nhưng ngược với kết quả nghiên cứu của Pradhan, P., Shyam, R., & Shrestha, R.

Các yếu tố khác gồm Tỷ lệ thanh khoản (LIR), Tỷ lệ thanh toán nhanh (QIR), Lạm phát (CPI), và tốc độ tăng trưởng tổng sản phẩm quốc nội (GDP), với bộ dữ liệu trong nghiên cứu này, nghiên cứu không tìm thấy có mối quan hệ thống kê có ý nghĩa đối với biến NIM trong mô hình nghiên cứu. Trong chương này, tác giả cũng trình bày kết quả nghiên cứu định lượng, kết quả hồi qui cho thấy rằng mô hình GLS với tùy chọn khắc phục vi phạm giả thiết về phương sai sai số thay dổi và vi phạm giả thiết về tương quan chuỗi được áp dụng. Với biến phụ thuộc là ROA có kết quả cuối cùng cho thấy có ba yếu tố là CARit, LDRit, QIRit có tác động cùng chiều đến ROAit, và một yếu tố LIRit có tác động ngược chiều và có ý nghĩa thống kê đến đến ROAit của NHTM Việt Nam.

Với biến phụ thuộc là ROEit có kết quả cuối cùng cho thấy có hai yếu tố là LDRit, CPIt có tác động cùng chiều đến ROEit, và hai yếu tố là CARit và LIRit có ý nghĩa thống kê và có tác động ngược chiều đến ROEit của NHTM Việt Nam.