3.3 .Mô hình nghiên cứu
3.3.2.4.Tốc độ tăng vốn
Trong những năm gần đây, vốn chủ sở hữu của các NHTM không ngừng gia tăng qua các năm. Việc gia tăng này không chỉ nhằm đáp ứng yêu cầu vốn pháp định của nhà nước mà còn đáp ứng nhu cầu gia tăng quy mô của các ngân hàng nhằm nâng cao tiềm lực tài chính với kỳ vọng nâng cao năng lực cạnh tranh, an toàn và hiệu quả hoạt động của ngân hàng.
Theo nhận định của Thống đốc Ngân hàng Nhà nước Nguyễn Văn Bình, định hướng chung của quá trình tái cấu trúc hệ thống ngân hàng là hợp nhất và sáp nhập để tạo ra các ngân hàng có quy mô lớn hơn và có khả năng hoạt động tốt hơn (Văn Hiếu, 2015).
Do đó, nghiên cứu cũng kỳ vọng việc tăng vốn sẽ giúp cải thiện khả năng sinh lời của các ngân hàng như kết quả nghiên cứu của Nguyễn Thị Hồng Vinh và
Lê Phan Thị Diệu Thảo (2016) khi nghiên cứu mẫu gồm 30 NHTM Việt Nam trong giai đoạn 2007 – 2014.
Trong nghiên cứu, tác giả sử dụng chỉ số tốc độ tăng vốn điều lệ hàng năm để định lượng việc tăng vốn của các ngân hàng. Biến này được tác giả đưa vào mô hình để xác định ảnh hưởng của việc tăng vốn đến khả năng sinh lời của các NHTM Việt Nam trong thời gian vừa qua. Trong đó, tốc độ tăng vốn được tính bằng tỷ lệ thay đổi vốn điều lệ qua các năm của ngân hàng.
GCAP = (Vốn điều lệ năm sau – Vốn điều lệ năm trước)/Vốn điều lệ năm trước.
3.3.3. Các biến kiểm soát 3.3.3.1. Tỷ lệ dư nợ
Đối với phần lớn các NHTM Việt Nam, hoạt động tín dụng vẫn đang là hoạt động kinh doanh chủ yếu của ngân hàng nên thu nhập lãi thuần đóng vai trò hết sức quan trọng và chiếm một tỷ trọng lớn trong thu nhập của các ngân hàng. Thông thường, lãi suất các khoản cho vay thường cao hơn lãi suất từ các tài sản khác của ngân hàng nên tồn tại nhiều ý kiến cho rằng việc gia tăng các khoản cho vay trong danh mục tài sản sẽ giúp gia tăng khả năng sinh lời (Berger và Mester, 1997; Trujillo-Ponce, 2013; Hồ Thị Hồng Minh và Nguyễn Thị Cành, 2015). Do đó, các ngân hàng thường có xu hướng mở rộng quy mô cho vay so với các tài sản sinh lợi khác với kỳ vọng gia tăng lợi nhuận.
Để đại diện cho quy mô cho vay của các NHTM, tác giả sử dụng tỷ lệ dư nợ cho vay trên tổng tài sản và kỳ vọng tỷ lệ này có tác động cùng chiều với khả năng sinh lời của ngân hàng. Tỷ lệ dư nợ được tính bằng công thức sau:
LTA = Dư nợ cho vay khách hàng / Tổng tài sản.
3.3.3.2. Tỷ lệ nợ xấu
Trujillo-Ponce (2013) cho rằng khả năng sinh lời của ngân hàng liên quan trực tiếp bởi chất lượng tài sản của ngân hàng mà cụ thể là nợ xấu; khi nợ xấu tăng
lên, ngân hàng buộc phải trích lập dự phòng để dự phòng cho những tổn thất có thể xảy ra và như thế chi phí của ngân hàng gia tăng, lợi nhuận bị sụt giảm.
Rõ ràng, nợ xấu chính là một nguyên nhân quan trọng gây ảnh hưởng tiêu cực đến khả năng sinh lời của các NHTM Việt Nam trong thời gian qua (Hồ Thị Hồng Minh và Nguyễn Thị Cành, 2015). Thậm chí, nợ xấu còn được ví von như là “cục máu đông” trong nền kinh tế, là vấn đề cần được ưu tiên xử lý hàng đầu trong quá trình tái cấu trúc hệ thống ngân hàng.
Tác giả có cùng ý kiến với nhận định chất lượng tài sản tác động cùng chiều lên khả năng sinh lời của ngân hàng. Quan điểm này cũng được tìm thấy trong hết các nghiên cứu trước như Semih Yildirim và Philippatos (2007), Athanasoglou và ctg (2008), Trujillo-Ponce (2013), Trần Việt Dũng (2014), Hồ Thị Hồng Minh và Nguyễn Thị Cành (2015). Chất lượng tài sản của ngân hàng được phản ánh bởi tỷ lệ nợ xấu trên tổng dư nợ và nghiên cứu kỳ vọng tác động âm của tỷ lệ nợ xấu đối với khả năng sinh lời.
Tỷ lệ nợ xấu là tỷ lệ nợ nhóm 3, nhóm 4 và nhóm 5 trên tổng dư nợ cho vay của ngân hàng được tính dựa trên thông tin phân loại nợ trong báo cáo tài chính của ngân hàng. Tỷ lệ nợ xấu được tính toán theo công thức sau:
NPL = (Nợ nhóm 3 + Nợ nhóm 4 + Nợ nhóm 5) / Tổng dư nợ cho vay.
Trong trường hợp ngân hàng không cung cấp đầy đủ thông tin các nhóm nợ trong thuyết minh báo cáo tài chính, thông tin tỷ lệ nợ xấu được lấy từ các báo cáo công bố của ngân hàng (ví dụ báo cáo thường niên).
3.3.3.3. Tăng trưởng kinh tế
Như đã phân tích ở mục 2.5, trong điều kiện kinh tế vĩ mô thuận lợi, ngân hàng sẽ có thêm nhiều cơ hội để cung cấp dịch vụ tài chính cho các chủ thể trong nền kinh tế và từ đó có thể gia tăng lợi nhuận. Tương quan dương giữa tăng trưởng kinh tế và khả năng sinh lời của ngân hàng đã được tìm thấy trong các nghiên cứu của Neely và Wheelock (1997), Gul và ctg (2011), Trần Việt Dũng (2014). Chính vì
vậy, nghiên cứu cũng kỳ vọng tác động cùng chiều của tăng trưởng kinh tế lên khả năng sinh lời của các NHTM Việt Nam.
Chỉ tiêu tốc độ tăng GDP được sử dụng để đo lường tác động của yếu tố tăng trưởng kinh tế. Tuy nhiên, do phạm vi nghiên cứu bị giới hạn tại các NHTM Việt Nam nên các quan sát trong nghiên cứu sẽ chịu cùng một tác động của điều kiện vĩ mô. Điều này có nghĩa là, trong từng giai đoạn, khả năng sinh lời của tất cả ngân hàng đều bị ảnh hưởng bởi cùng một chỉ số tốc độ tăng GDP chung và có thể làm kết quả ước lượng không hiệu quả.
Do đó, tác giả đã thay đổi trong cách định lượng tác động của yếu tố vĩ mô bằng cách xác định tác động gián tiếp của tăng trưởng kinh tế lên khả năng sinh lời thông qua tác động của yếu tố này lên quy mô vốn.
Biến tăng trưởng kinh tế được định lượng theo công thức sau: GDP = Tốc độ tăng GDP thực x Ln(Vốn chủ sở hữu)
3.3.3.4. Lạm phát
Yếu tố lạm phát sẽ tác động trực tiếp đến hành vi gửi tiền và đi vay của các cá nhân và doanh nghiệp và tiếp tục tác động đến thu nhập, chi phí và khả năng sinh lời của NHTM (Trần Việt Dũng, 2014). Thị Hồng Minh và Nguyễn Thị Cành (2015) cho rằng nếu các nhà quản trị dự đoán được chính xác tỷ lệ lạm phát, ngân hàng có thể điều chỉnh lãi suất cho vay, huy động và kiểm soát các chi phí khác một cách phù hợp sao cho chi phí gia tăng nhưng doanh thu vẫn tăng nhanh hơn chi phí. Kết quả là lạm phát khiến chi phí gia tăng nhưng ngân hàng vẫn đảm bảo được lợi nhuận và gia tăng khả năng sinh lời.
Giống như một số nghiên cứu trước (Gul và ctg, 2011; Sufian, 2011; Hồ Thị Hồng Minh và Nguyễn Thị Cành, 2015), nghiên cứu kỳ vọng tương quan dương giữa tỷ lệ lạm phát và khả năng sinh lời của NHTM.
Tương tự như yếu tố tăng trưởng kinh tế, tác động của lạm phát cũng được xác định gián tiếp thông qua ảnh hưởng của lạm phát lên quy mô vốn chủ sở hữu.
Lạm phát được đo lường bằng tỷ lệ lạm phát hàng năm dựa vào chỉ số CPI, cách tính như sau:
INF = Tỷ lệ lạm phát x Ln(Vốn chủ sở hữu)
3.4. Nguồn dữ liệu và mẫu nghiên cứu (adsbygoogle = window.adsbygoogle || []).push({});
Nghiên cứ sử dụng dữ liệu thứ cấp bao gồm dữ liệu từ báo cáo tài chính đã kiểm toán và báo cáo thường niên hàng năm của 16 NHTM Việt Nam cho giai đoạn 2007 – 2015. Riêng tỷ lệ lạm phát và tốc độ tăng trưởng kinh tế được lấy từ cơ sở dữ liệu IFS của Quỹ Tiền tệ Quốc tế - IMF.
Về mặt lý thuyết, tất cả các NHTM Việt Nam đều phải bao gồm trong nghiên cứu. Tuy nhiên, hiện nay hệ thống NHTM Việt Nam có trên 30 NHTM nội địa, nhưng việc công bố báo cáo tài chính cũng như các thông tin hoạt động không được rõ ràng và đầy đủ. Tác giả đã rà soát toàn bộ báo cáo tài chính của các ngân hàng nhưng chỉ thu thập được 16 NHTM Việt Nam đáp ứng đầy đủ dữ liệu trong toàn bộ giai đoạn nghiên cứu. Do đó, mẫu nghiên cứu chỉ bao gồm dữ liệu của 16 NHTM Việt Nam bởi vì việc sử dụng dữ liệu bảng thiếu quá nhiều thông tin và các dữ liệu thiếu hụt là không ngẫu nhiên có thể ảnh hưởng đến hiệu quả ước lượng.
Giai đoạn nghiên cứu là từ năm 2007 - 2015 vì năm 2007 đánh dấu bước phát triển mạnh mẽ của hệ thống NHTM Việt Nam sau khi Việt Nam chính thức gia nhập WTO và không bao lâu sau là giai đoạn khó khăn do khủng hoảng tài chính thế giới. Trong giai đoạn này, các NHTM Việt Nam trải qua nhiều biến động về vốn, hợp nhất và sáp nhập, khả năng sinh lời của các NHTM giảm sút đáng kể.
Mẫu nghiên cứu gồm 16 ngân hàng với dữ liệu từ năm 2007 – 2015 tạo thành dữ liệu bảng cân bằng với 144 quan sát.
3.5. Phương pháp phân tích dữ liệu3.5.1. Giới thiệu về dữ liệu bảng 3.5.1. Giới thiệu về dữ liệu bảng
Trong phân tích thực nghiệm, các loại dữ liệu thường dùng bao gồm: dữ liệu chuỗi thời gian, dữ liệu chéo và dữ liệu bảng. Nếu dữ liệu chuỗi thời gian giúp ta
quan sát các giá trị của một hoặc nhiều biến theo thời gian, dữ liệu chéo cho ta các giá trị của một hoặc nhiều biến theo không gian (thu thập cho nhiều đơn vị mẫu hoặc nhiều đại diện mẫu tại cùng một thời điểm) thì dữ liệu bảng là sự kết hợp giữa không gian và thời gian. Nói cách khác dữ liệu bảng là sự mở rộng dữ liệu chéo theo thời gian hay dữ liệu chéo theo chuỗi thời gian.
Như đã trình bày ở trên, dữ liệu được sử dụng trong mẫu nghiên cứu bao gồm 16 NHTM trong thời gian 9 năm (2007-2015) tạo thành bảng dữ liệu cân bằng với 144 quan sát.
Theo Guragati (2010), việc sử dụng dữ liệu bảng trong nghiên cứu có những lợi thế sau: dữ liệu bảng chứa nhiều thông tin hữu ích hơn, tính biến thiên nhiều hơn, ít hiện tượng đa cộng tuyến giữa các biến hơn, nhiều bậc tự do hơn và hiệu quả hơn. Cũng vì khả năng sinh lời của các ngân hàng sẽ liên tục thay đổi qua các năm và bị ảnh hưởng bởi rất nhiều nhân tố tác động nên việc sử dụng dữ liệu bảng tỏ ra thích hợp hơn cho nghiên cứu bởi nó cho phép nghiên cứu các dữ liệu chéo một cách lặp đi lặp lại, phát hiện, đo lường tốt hơn các tác động không thể quan sát được và có thể giúp chúng ta nghiên cứu các mô hình hành vi phức tạp hơn so với dữ liệu chuỗi thời gian hay dữ liệu chéo thuần tuý.
3.5.2. Một số phương pháp ước lượng cơ bản trong hồi quy dữ liệu bảng
Trong hồi quy dữ liệu bảng, người ta thường dùng ba phương pháp cơ bản sau: phương pháp bình phương tối thiểu dạng gộp (Pooled OLS), phương pháp hiệu ứng cố định (Fixed Effects Model – FEM) và phương pháp hiệu ứng ngẫu nhiên (Random Effects Model – FEM).
3.5.2.1. Phương pháp bình phương tối thiểu dạng gộp (PooledOLS) OLS)
Phương pháp Pooled OLS là phương pháp đơn giản nhất để ước lượng mô hình hồi quy bình phương nhỏ nhất thông thường (OLS) và không kể đến các kích thước không gian và thời gian của dữ liệu bảng. Điều này có nghĩa là phương pháp Pooled OLS ước lượng mô hình với giả định tung độ gốc, hệ số độ dốc giống nhau
giữa các ngân hàng và qua thời gian (phần dư thể hiện những khác biệt giữa các ngân hàng và qua thời gian). Với phương pháp này, chúng ta giả định ảnh hưởng của các nhân tố lên khả năng sinh lời là giống nhau giữa tất cả các ngân hàng và không đổi theo thời gian.
Ta có thể thấy, phương pháp này rất đơn giản và dễ thực hiện nhưng rõ ràng những giả định trên rất hạn chế và khó xảy ra trong thực tế vì mỗi ngân hàng đều có những khác biệt và tác động của các đặc điểm riêng biệt này đến khả năng sinh lời ở mỗi ngân hàng là khác nhau và thay đổi qua các năm. Vì thế, kết quả ước lượng thu được có thể không hiệu quả.
3.5.2.2. Phương pháp hiệu ứng cố định (Fixed Effects Model –FEM) FEM)
Phương pháp FEM được sử dụng trong ước lượng với giả định mỗi ngân hàng có những đặc điểm riêng biệt và những đặc điểm riêng này có thể ảnh hưởng đến các biến độc lập trong mô hình hay nói cách khác có sự tương quan giữa các biến độc lập với thành phần sai số của mỗi thực thể (chứa các đặc điểm riêng của ngân hàng). Các đặc điểm riêng biệt (không đổi theo thời gian) này là duy nhất đối với một ngân hàng và không tương quan với đặc điểm của các ngân hàng khác.
Vì vậy, FEM có thể kiểm soát, tách ảnh hưởng của các đặc điểm riêng biệt (không đổi theo thời gian) ra khỏi các biến độc lập và mô hình có thể ước lượng tác động thực của các yếu tố trong mô hình lên khả năng sinh lời. Tuy nhiên, FEM có hạn chế là không đo lường được tác nhân không đổi theo thời gian và làm tăng khả năng đa cộng tuyến của mô hình gây khó khăn cho việc ước lượng chính xác.
3.5.2.3. Phương pháp hiệu ứng ngẫu nhiên (Random Effects Model – REM)
Phương pháp REM được sử dụng trong ước lượng với giả định đặc điểm riêng giữa các ngân hàng là ngẫu nhiên và không tương quan với các biến độc lập trong mô hình. REM xem thành phần sai số của mỗi ngân hàng (không tương quan với biến độc lập) là một biến giải thích mới.
Điều này có nghĩa là, trong FEM mỗi ngân hàng có giá trị tung độ gốc cố định riêng và 16 ngân hàng sẽ có 16 tung độ gốc khác nhau; ngược lại, trong REM, chỉ có 1 giá trị tung độ gốc là giá trị trung bình của 16 tung độ gốc của các ngân hàng, thành phần sai số thể hiện chênh lệch (ngẫu nhiên) của từng tung độ gốc với giá trị trung bình.
Thành phần sai số là biến không thể quan sát được thể hiện những yếu tố tác động không thể quan sát một cách trực tiếp.
3.5.3. Lựa chọn mô hình hồi quy
Vậy đâu là phương pháp phù hợp nhất cho mô hình nghiên cứu? Như đã phân tích ở trên, mỗi phương pháp được sử dụng với những giả định riêng của nó. Ta có thể dễ dàng nhận thấy Pooled OLS dường như không hiệu quả bởi những giả định của nó hầu như rất khó xảy ra trong thực tế vì mỗi ngân hàng đều có đặc trưng riêng biệt. Việc lựa chọn giữa FEM và REM phụ thuộc vào giả định về sự tương quan giữa thành phần sai số (chứa các đặc điểm riêng của các ngân hàng) và các biến độc lập trong mô hình: nếu có sự tương quan thì sử dụng FEM và không tương quan thì REM là thích hợp.
Ngoài ra, chúng ta có thể sử dụng các kiểm định cần thiết nhằm tìm ra mô hình thích hợp nhất trong ba mô hình Pooled OLS, mô hình FEM và mô hình REM được thực hiện theo lý thuyết kiểm định được trình bày trong Bảng 3.3.