SỰ CẦN THIẾT NÂNG CAO HIỆU QUẢ CÔNG TÁC HUY ĐỘNG

C. HUY ĐỘNG VỐN QUA ĐI VAY

1.3.2. SỰ CẦN THIẾT NÂNG CAO HIỆU QUẢ CÔNG TÁC HUY ĐỘNG

1.3.2.1 Đối với ngân hàng

Trong môi trường kinh doanh ngày nay sự cạnh tranh diễn ra gay gắt thì vốn là một yếu yếu tố giúp các ngân hàng thắng thế trong cạnh tranh. Ngân hàng nào trường vốn sẽ có khả năng thỏa mãn tốt nhất nhu cầu của khách hàng, có khả năng mở rộng hoạt động kinh doanh, tăng thêm thu nhập và củng cố địa vị trên thị trường… Nhận thức được vai trò to lớn của vốn trong hoạt động kinh doanh, các Ngân hàng Thương mại luôn tìm cách phát triển nguồn vốn của mình, tìm mọi biện pháp để đẩy mạnh hiệu quả của công tác huy động vốn.

Huy động vốn là một nghiệp vụ truyền thống của ngân hàng. Từ khi có các ngân hàng ra đời thì nghiệp vụ huy động vốn đã gắn liền với các hoạt động của nó, trải qua quá trình phát triển của hệ thống ngân hàng thì nghiệp vụ huy động vốn

cũng được đổi mới cho phù hợp với sự phát triển của xã hội. Hiệu quả công tác huy động vốn được các ngân hàng quan tâm không chỉ vì nó là một nghiệp vụ truyền thống của ngân hàng mà còn vì nó là một trong những hoạt động chủ yếu và mang lại nhiều lợi nhuận cho ngân hàng. Do đó trong mọi giai đoạn, nâng cao hiệu quả công tác huy động vốn luôn là vấn đề được các Ngân hàng Thương mại chú trọng.

Nhu cầu phát triển của xã hội ngày càng tăng kéo theo nhu cầu vê vốn của các thành phần kinh tế, của dân cư… Để đáp ứng được mọi yêu cầu này thì các ngân hàng phải có một nguồn vốn đủ lớn để có phục vụ cho sự phát triển chung của nền kinh tế, mà nguồn vốn tự có của ngân hàng luôn là quá” nhỏ bé “ trước yêu cầu phát triển của xã hội. Do đó để có thể có một lượng vốn cần thiết để sứ mệnh” bà đỡ “ cho nền kinh tế thì các Ngân hàng Thương mại phải tìm cách tăng trưởng nguồn vốn hiện có của mình và vấn đề nâng cao hiệu quả công tác huy động vốn được đặt ra rất bức thiết.

Các ngân hàng Thương mại hoạt động trên thị trường với tư cách là các trung gian tài chính với chức năng chủ yếu là phân phối lại tiền tệ trong xã hội, thúc đẩy nền kinh tế không ngừng phát triển. Hoạt động huy động vốn chính là việc thu hút các nguồn vốn nhàn rỗi trong xã hội để rồi sau đó ngân hàng phân phối đến nơi thiếu vốn ( bằng các hoạt động cho vay, đầu tư). Làm tốt công tác huy động vốn cũng đồng nghĩa với ngân hàng làm tốt nhiệm vụ quan trọng nhất của mình.Cho nên mọi Ngân hàng Thương mại đều ý thức được sự cần thiết của việc đẩy mạnh hiệu quả hoạt động huy động vốn.

1.3.2.2. Đối với khách hàng

Đối với dân cư:

Nghiệp vụ huy động vốn đã cung cấp cho mọi người dân các phương thức tiết kiệm tiền hợp lý và an toàn. Nguồn tiền tiết kiệm trong dân cư rất dồi dào, có nhiều điều kiện thuận lợi để ngân hàng sử dụng kinh doanh. Để thu hút được các nguồn vốn này các ngân hàng đã sử dụng nhiều hình thức huy động vốn phong phú và tiện lợi. Điều này giúp người dân dễ dàng lựa chọn một hình thức gửi tiền phù hợp với đặc

điểm khoản tiền của mình. Do đó tâm lý người dân luôn mong ngân hàng đưa ra các hình thức huy động vốn hiệu quả, có lợi cho cả hai bên: vừa ích nước vừa lợi nhà, vừa an toàn tài sản.

Đối với các tổ chức kinh tế, doanh nghiệp:

Nghiệp vụ huy động vốn đã giúp cho các tổ chức kinh tế , các doanh nghiệp thuận tiện trong thanh toán giao dịch thông qua tài khoản tiền gửi thanh toán. Nếu ngân hàng đẩy mạnh công tác huy động vốn thì sẽ giúp các doanh nghiêp rất nhiều trong hoạt động kinh doanh, làm cho hoạt động của doanh nghiệp và các tổ chức kinh tế luôn trôi chảy. Hơn nữa, các doanh nghiệp và tổ chức kinh tế đều có quan hệ tín dụng với ngân hàng và huy động vốn có hiệu quả sẽ giúp cho doanh nghiệp có vốn kịp thời bất cứ lúc nào mà doanh nghiệp cần vốn. Do đó đứng ở góc độ doanh nghiệp thì nâng cao hiệu quả công tác huy động vốn ở mỗi ngân hàng là cần thiết

1.3.2.3. Đối với nền kinh tế

Nghiệp vụ huy động vốn giúp cho các nguồn vốn nhàn rỗi trong xã hội được tập trung về một mối, thuận tiện cho việc phân phối lại chúng. Tránh được tình trạng lãng phí nguồn vốn, một số người tổ chức “hụi”, “họ” gây mất ổn định trong xã hội. Với nền kinh tế thì hoạt động huy động vốn là không thể thiếu nhất là khi nền kinh tế có lạm phát, lúc đó huy động vốn là một trong những công cụ để kìm chế lạm phát.

Khi nền kinh tế trong giai đoạn phát triển, huy độn vốn giúp cho nó phát triển nhịp nhàng, hiệu quả hơn. Vì thế đẩy mạnh công tác huy động vốn ở mỗi Ngân hàng Thương mại có ý nghĩa rất lớn đối với sự phát triển của nền kinh tế.

Tóm lại qua cơ sở lý luận chung về công tác huy động vốn ở các Ngân hàng Thương mại được trình bày ở trên đã giúp chúng ta hiểu rõ hơn về tầm quan trọng, vị trí và sự cần thiết phải nâng cao hơn nữa hiệu quả công tác huy động vốn không chỉ với bản thân ngân hàng mà còn với các tổ chức kinh tế, dân cư và toàn xã hội

1.4. PHƯƠNG PHÁP DỰ BÁO BẰNG HÀM XU THẾ

- Chuỗi xu thế là một chuỗi thời gian có một thành phần dài hạn có xu hướng tăng hoặc giảm theo thời gian. Khi quan sát các dữ liệu tăng hoặc giảm qua thời gian, thì dữ liệu đó có thể được xem như có xu thế.

Dưới đây là bảng tóm tắt các yếu tố ảnh hưởng đến việc lựa chọn kỹ thuật dự báo cho trường hợp lựa chọn mô hình dự báo bằng hàm Xu thế:

Phương pháp Dạng dữ liệu Thời đoạn dự báo Loại mô

hình Dữ liệu tối thiểu

Không có mùa vụ

Có mùa vụ

Dự báo thô ST, T, S S TS 1

Trung bình giản đơn ST S TS 30

Trung bình di động ST S TS 4-20

San mũ giản đơn ST S TS 2

San mũ Holt T S TS 3

San mũ Winters S S TS 2*S

Hồi quy đơn T I C 10

Hồi quy bội C, S I C 10*V

Phân tích S S TS 5*S

Xu thế T I, L TS 10

ARIMA ST, T, C, S S TS 24

ARCH ST, T, C, S S TS 24

Hồi quy chuỗi thời

gian T, S I, L C 6*S

Nguồn: Hanke,2005, và Wilson,2007.

Dạng dữ liệu: ST= chuỗi dừng, T= xu thế, S= Mùa vụ, C= chu kỳ. Thời đoạn dự báo: S= ngắn hạn, I= trung hạn, L= dài hạn.

Loại mô hình: TS= chuỗi thời gian, C= nhân quả.

Yêu cầu dữ liệu: V= biến giải thích, S= số mùa vụ (4 hoặc 12).

 Với chuỗi số liệu số dư vốn huy động từ Quý 01/2009 đến Quý 01/2013 và yêu cầu dự báo đối với Quý 02, 03 và 04 năm 2013 thì lựa chọn mô hình xu thế làm mô hình dự báo có tính phù hợp cao nhất.

1.4.2. Tổng quan về hàm xu thế

Xu thế là sự vận động tăng hay giảm của dữ liệu trong một thời gian dài. Sự vận động này có thể được mô tả bằng một đường thẳng (xu thế tuyến tính) hoặc bởi một vài dạng đường con toán học (xu thế phi tuyến). Có thể mô hình hoá xu thế bằng cách thực hiện một hàm hồi quy thích hợp giữa biến cần dự báo (biến Y) và thời gian (biến t). Sau đó, hàm hồi quy này được sử dụng để tạo ra các giá trị dự báo trong tương lai.

Phương pháp dự báo bằng mô hình xu thế dựa trên một giả định rằng dạng thức vận động của dữ liệu trong quá khứ sẽ còn tiếp tục trong tương lai (Giả định này được hiểu là môi trường dự báo ở tương lai ít có sự thay đổi). Nó sử dụng thời gian (biến Time) là biến giải thích, với Time bằng 1 tương ứng với quan sát đầu tiên, tăng dần theo chuỗi thời gian, và bằng n tương ứng với quan sát cuối cùng

(Ramanathan 2002).

1.4.3. Nhận dạng

Giả sử chúng ta có sẵn dữ liệu của biến Yt theo thời gian, thì làm sao chúng ta biết được xu thế trong dữ liệu sẽ tuân theo dạng hàm nào ?

Cách đơn giản nhất, người làm dự báo thường vẽ đồ thị của biến phụ thuộc (Yt) theo thời gian (Time), sau đó nhận dạng xem đồ thị đó biến động gần với dạng đồ thị của hàm số tương ứng với dạng hàm toán học nào. Dưới đây là một số dạng hàm xu hướng được sử dụng phổ biến và đồ thị tương ứng.

Bảng 1.1: Một số dạng hàm xu thế điển hình

Dạng hàm xu thế Phương trình hồi quy tổng thể

A Tuyến tính Yt= β0 +β1Time +µ1

B Bậc hai Yt= β0 +β1Time + β2Time2+µ1

C Bậc ba Yt= β0 +β1Time + β2Time2+ β3Time3 +µ1

D Tuyến tính- log Yt= β0 +β1ln(Time) +µ1

E Nghịch đảo Yt= β0 +β1(1/Time) +µ1

F Tăng trưởng mũ Yt= еβ0 + β1Time + µt

Trong các phương trình trên, chúng ta gặp một số hạng được ký hiệu là µ1- sai số của mô hình. Trong các phương trình dự báo luôn có nó vì dữ liệu trong thực tế không phải lúc nào cũng hoàn toàn nằm trên đường xu thế, nói cách khác tồn tại một sai số. Sai số này càng nhỏ càng tốt.

Y Tuyến tính Y Bậc hai (β2>0) Y Bậc ba

(β1>0) (β2<0)

( A) t (B) t (C) t

Y Logarithm Y Nghịch đảo Y Tăng trưởng mũ

(β1>0)

(D)t (E) t (F) t Hình 1.1 Đồ thị một số dạng hàm xu thế điển hình

1.4.4. Ước lượng và kiểm định

Các mô hình xu thế có thể là mô hình hồi quy bội, cũng có thể là mô hình hồi quy đơn. Với các mô hình xu thế tuyến tính theo tham số, chúng ta có thể sử dụng phương pháp OLS để ước lượng. Sau đó cần kiểm định ý nghĩa thống kê của các hệ số độ dốc, đánh giá mức độ phù hợp chung, đánh giá độ chính xác của mô hình, và dò tìm xem mô hình có bị vi phạm các giả định của phương pháp OLS không (Gaynor& Kirkpatrick, 1994).

Ba trong số các giả định của mô hình hồi quy tuyến tính cổ điển là: (1) sai số dự báo tuân theo quy luật phân phối chuẩn, (2) phương sai của sai số không đổi, (3) mô hình không bị hiện tượng tự tương quan (Gaynor& Kirkpatrick, 1994).. Nếu một trong số giả định này bị vi phạm, kết quả kiểm định, hệ số độ dốc sẽ không còn hiệu lực nữa vì các hệ số độ dốc ước lượng sẽ bị chệch.

1.4.5.1. Dự báo điểm

Dưới đây là các công thức để tính dự báo điểm đối với từng dạng mô hình. Bảng 1.2 Dự báo điểm với hàm xu thế

Dạng hàm xu thế Phương trình hồi quy tổng thể

A Tuyến tính Yt= β0 +β1Time +µ1

B Bậc hai Yt= β0 +β1Time + β2Time2+µ1

C Bậc ba Yt= β0 +β1Time + β2Time2+ β3Time3 +µ1

D Tuyến tính- log Yt= β0 +β1ln(Time) +µ1

E Nghịch đảo Yt= β0 +β1(1/Time) +µ1

F Tăng trưởng mũ Yt= еβ0 + β1Time + µt

G Log- tuyến tính Ln(Yt)= β0 +β1Time +µ1

1.4.5.2. Dự báo khoảng

Khoảng dự báo của 5 mô hình đầu tiên trong bảng dự báo điểm với hàm xu thế (từ A đến E) được tính theo công thức sau:

[ Yt - tα/2,n-kse(ut), Yt + tα/2, n-kse(ut)]

Trong đó:

 Yt là giá trị dự báo điểm tại thời điểm dự báo.

 Se(ut) là sai số chuẩn của hàm dự báo cho các giá trị cá biệt tại thời điểm dự báo t. Công thức tính toán giá trị này khá phức tạp, tuy vậy các phần mềm Eviews, hoặc SPSS đều tự động tính toán giúp chúng ta giá trị này.

Khoảng dự báo cho mô hình tăng trưởng mũ được tính theo công thức sau:

Exp[ln(Yt) +/- tα/2, n-k+ σ2/2]

Trong đó

 St là sai số chuẩn của hàm dự báo cho các giá trị cá biệt khi dự báo. ln(Yt.). Stvà σ2 được phần mềm máy tính tự động tính toán.

 Exp(x) là eX.

Nếu mô hình thoả mãn các giả định hồi quy tuyến tính theo tham số, chúng ta có thể trình bày cả kết quả dự báo điểm, và kết quả dự báo khoảng ở một độ tin cậy nào đó (90%, 95%, 99%) tuỳ theo mức ý nghĩa được lựa chọn. Ngược lại, chúng ta chỉ nên trình bày kết quả dự báo điểm (Gaynor& Kirkpatrick, 1994). Và dĩ nhiên, với kết quả dự báo điểm, chúng ta không xác định độ tin cậy là bao nhiêu. Trong trường hợp này, có thể dạng hàm chúng ta chọn là chưa phù hợp, cũng có thể số tổng quan sát chưa đủ lớn, hoặc phương pháp dự báo bằng hàm xu thế không thích hơp.

1.4.6. Kiểm định chuẩn đoán

Về mặt logic, chúng ta cần thực hiện các kiểm định này trước khi thực hiện kiểm định hệ số hồi quy, và dự báo. Nếu mô hình vi phạm các giả định của mô hình hồi quy tuyến tính (theo tham số) thì chúng ta không nên thực hiện dự báo khoảng, mà chỉ sử dụng dự báo điểm. Một cách thận trọng hơn, khi thực hiện dự báo, nếu các giả định này bị vi phạm, kiểm định hệ số hồi quy mà chúng ta thực hiện phía trên cũng không đáng tin cậy, và dạng hàm của chúng ta sẽ có thể là dạng hàm khác. Có nhiều cách khác nhau để kiểm định hiện tượng tự tương quan (tương quan

chuỗi): Kiểm định LM của Breusch-Godfrey, sử dụng giảm đồ tự tương quan, kiểm định DW.

Dự báo bằng mô hình xu thế được sử dụng rộng rãi trong lĩnh vực kinh doanh, thiết lập và quản trị dự án, quản trị vận hành, quản trị chuỗi cung ứng và logistics....v.v…. vì tính đơn giản và dễ thực hiện của nó trong thực tế. Phương pháp này cũng không đòi hỏi nhiều về số quan sát; Wilson& Keating (2007) cho rằng cần ít nhất 10 quan sát khi áp dụng mô hình xu thế để dự báo.

Nhược điểm của phương pháp dự báo bằng hàm xu thế là dựa trên giả định rằng: quy luật vận động của dữ liệu trong quá khứ sẽ vẫn còn tiếp tục trong tương lai. Mà trong tương lai, thì bất kỳ một biến số kinh tế xã hội hay quản trị nào đều hàm chứa yếu tố rủi ro và bất định. Do vậy, để khắc phục một phần nào đó nhược

điểm này, chúng ta cần phân tích môi trường dự báo để điều chỉnh kết quả dự báo theo một tỷ lệ nào đó, và sau đó cân nhắc lựa chọn dạng hàm xu thế phù hợp.

1.4.6.1 . Kiểm định Durbin-Watson:

Kiểm định thống kê được sử dụng phổ biến nhất để phát hiện sự hiện diện của hiện tượng tự tương quan là kiểm định Durbin-Watson. Kiểm định DW chỉ có giá trị khi mô hình hồi quy thoả mãn các giả định sau đây:

Mô hình hồi quy phải có hệ số cắt.

Tương quan chuỗi được giả định dưới dạng tự tương quan bậc một.

Mô hình hồi quy không có các biến giải thích là biến trễ của biến phụ thuộc (các mô hình tự hồi quy).

Không được “thiếu quan sát”, nghĩa là trật tự chuỗi dữ liệu phải được liên tục theo thời gian.

Giả sử, chúng ta có mô hình sau đây: Yt= β1 + β2X2t+….+βkXkt + utt=1,2,3,…,n

Trong đó, ut= ρut-1 + εt │ρ│<1

Với giả thiết H0: ρ=0 có nghĩa là mô hình hồi quy không có hiện tượng tự tương quan bậc 1.

Quy tắc kinh nghiệm về kiểm định DW:

Do ρ =0, d=2, nên giá trị của d gần 2 cho biết mô hình không có tự tương quan. Do ρ ≈ 1, d ≈1, nên nếu giá trị của d gần bằng 0 cho biết mô hình bị tự tương quan dương.

Do ρ ≈ -1, d ≈4, nên nếu giá trị của d gần bằng 4 cho biết mô hình bị tự tương quan âm.

1.4.6.2. Kiểm định LM của Breusch-Godfrey

Do kiểm định DW chỉ hạn chế khi kiểm định hiện tượng tự tương quan bậc 1, nên không thể áp dụng cho trường hợp tổng quát. Chẳng hạn, DW có thể đưa đến khả năng “không biết quyết định thế nào”; không thể áp dụng cho trường hợp mô hình có các biến trễ của biến phụ thuộc và DW không xét trường hợp tự tương quan bậc

cao. Chính vì vậy, Breush(1987) và Godfrey (1987) phát triển kiểm định LM để có