3.2.1. Phƣơng pháp
Để xác định sự tác động của các nhân tố: dư nợ tín dụng, tỷ lệ thu nhập thuần phi lãi suất trên tổng tài sản, lãi suất huy động và tăng trưởng GDP thực đến nợ xấu, chúng tôi sử dụng mô hình ước lượng OLS. Cụ thể các bước tiến hành như sau:
Bước 1: Chúng tôi thực hiện khảo sát mối quan hệ tác động giữa nợ xấu với các nhân tố dư nợ tín dụng, tỷ lệ thu nhập thuần phi lãi suất trên tổng tài sản, lãi suất huy động và tăng trưởng GDP thực bằng mô hình ước lượng OLS. Biến bad và loan được lấy log để nhằm làm giảm các sai lệch và độ nhiễu cho mô hình.
Bước 2: Chúng tôi kiểm định sự có mặt của biến không cần thiết trong mô hình và chạy lại mô hình hồi quy.
Bước 3: Chúng tôi kiểm định hiện tượng đa cộng tuyến, phương sai thay đổi, và tự tương quan để khẳng định thêm sự phù hợp của mô hình và độ tin cậy của dữ liệu thu thập được.
3.2.2. Dữ liệu và mô tả7
7
Dữ liệu của chúng tôi thu thập từ 12 NHTMCP có trụ sở tại Tp.HCM từ năm 2006 đến năm 2010, thu thập từ các nguồn dữ liệu của IMF (International Statistic), các bảng Báo cáo tài chính và Báo cáo thường niên của các NHTMCP có trụ sở tại Tp.HCM.
Biến Ký hiệu Nguồn Logarit
Nợ xấu BAD Tổng hợp từ các NH trên địa bàn Tp.HCM. Log(BAD) Dư nợ tín dụng LOAN Tổng hợp từ các NH trên địa bàn Tp.HCM. Log(LOAN)
Thu nhập thuần phi lãi suất/ Tổng tài sản
ROTHAS Tổng hợp từ các NH trên địa bàn Tp.HCM.
Log(ROTHAS)
Lãi suất thị trường tiền tệ MMR IFS Log(MMR)
Tăng trưởng GDP thực RGDP IFS Log( RGDP)
3.2.3. Kết quả ƣớc lƣợng mô hình hồi quy
Kết quả ước lượng mô hình hồi quy các biến độc lập Log(LOAN), Log(ROTHAS), Log(MMR), và Log( RGDP) đến biến Log(BAD).
Dependent Variable: LOG(BAD) Method: Least Squares
Date: 06/12/12 Time: 09:36 Sample: 1 60
Included observations: 57
Variable Coefficient Std. Error t-Statistic Prob. C 4.987379 2.345057 2.126762 0.0382 LOG(LOAN) 0.641900 0.110621 5.802678 0.0000 LOG(ROTHAS) -0.152981 0.158173 -0.967173 0.3379 LOG(MMR) 1.164846 0.519738 2.241219 0.0293 LOG( RGDP) -2.205747 0.669557 -3.294339 0.0018
R-squared 0.649530 Mean dependent var 9.350020 Adjusted R-squared 0.622571 S.D. dependent var 1.268107 S.E. of regression 0.779065 Akaike info criterion 2.422186 Sum squared resid 31.56097 Schwarz criterion 2.601401 Log likelihood -64.03229 F-statistic 24.09304 Durbin-Watson stat 2.109527 Prob(F-statistic) 0.000000
Mô hình ước lượng biến Log(BAD) theo các biến độc lập nhận được:
LOG(BAD) = 4.9874 + 0.6419*LOG(LOAN) - 0.1530*LOG(ROTHAS) + 1.1648*LOG(MMR) - 2.2057*LOG( RGDP)
Theo bảng kết quả ước lượng mô hình ta thấy hệ số R-squared = 0.649530 và hệ số Adjusted R-squared = 0.622571 tương đối lớn cho thấy độ thích hợp của hàm hồi quy này là khá cao. Điều này chứng tỏ kết quả dữ liệu thu thập của 5 biến được giải thích khá tốt cho mô hình.
Các biến độc lập như Log(LOAN), Log(MMR) và Log( RGDP) trong mô hình ước lượng này đều có p-value < 0.05 đã chứng tỏ các biến này được đưa vào mô hình là phù hợp và có ý nghĩa về mặt thống kê với mức ý nghĩa 𝛼 = 5%.
Theo bảng kết quả ước lượng ta cũng thấy được biến ROTHAS lại có có p- value > 0.05. Điều này chứng tỏ biến này không đáng tin cậy về mặt thống kê.
3.2.4. Kiểm định sự có mặt của biến không cần thiết
Theo kết quả hồi quy cho ở bảng trên, ta nhận thấy hệ số hồi quy của biến ROTHAS khác 0 không có ý nghĩa ở mức 𝛼 = 5%. Tức biến ROTHAS có thể là hai biến không cần thiết đưa vào mô hình. Để có cơ sở kết luận về điều này ta tiến hành kiểm định giả thiết:
Ho: 𝜷𝟑 = 0 𝐇𝟏: 𝜷𝟑≠ 0
Dùng kiểm định Wald ta được kết quả:
Wald Test: Equation: EQ01
Test Statistic Value df Probability F-statistic 0.935424 (1, 52) 0.3379 Chi-square 0.935424 1 0.3335
Null Hypothesis Summary:
Normalized Restriction (= 0) Value Std. Err.
C(3) -0.152981 0.158173
Restrictions are linear in coefficients.
Theo kết quả của bảng trên, vì P(F > 0.935424) = 0.3379 > 0.05 nên ta chấp nhận giả thiết Ho. Tức cả biến ROTHAS không cần thiết phải đưa vào mô hình.
Kết quả hồi quy sau khi đã bỏ hai biến ROTHAS và MMR ra khỏi mô hình:
Dependent Variable: LOG(BAD) Method: Least Squares
Date: 06/12/12 Time: 09:38 Sample: 1 60
Included observations: 60
Variable Coefficient Std. Error t-Statistic Prob. C 5.479102 2.230723 2.456201 0.0172 LOG(LOAN) 0.632467 0.104261 6.066184 0.0000 LOG(MMR) 1.067282 0.485879 2.196599 0.0322 LOG( RGDP) -2.280765 0.649278 -3.512773 0.0009 R-squared 0.638188 Mean dependent var 9.359408 Adjusted R-squared 0.618806 S.D. dependent var 1.245586 S.E. of regression 0.769037 Akaike info criterion 2.376984 Sum squared resid 33.11937 Schwarz criterion 2.516607 Log likelihood -67.30952 F-statistic 32.92557 Durbin-Watson stat 2.055459 Prob(F-statistic) 0.000000
Mô hình hồi quy được viết lại:
LOG(BAD) = 5.4791 + 0.6325*LOG(LOAN) + 1.0673*LOG(MMR) - 2.2808*LOG( RGDP)
Với mô hình ước lượng sau khi đã bỏ biến ROTHAS, ta thấy rằng R-squared = 0.638188 và Adjusted R-squared = 0.618806 là khá lớn, p(F > F=32.92557) = 0.0000 < 0.05, điều này nói lên mức độ phù hợp của mô hình là rất cao. Bên cạnh đó, giá trị p-value của các biến giải thích Log(LOAN), Log(MMR) và Log( RGDP) đều rất nhỏ (< 0.05) tức là các biến này đều giải thích khá tốt cho biến BAD.
3.2.5. Kiểm định bổ sung
Kiểm tra hiện tƣợng đa cộng tuyến
Để đo lường mức độ phù hợp giữa các biến trong mô hình từ đó phát hiện hiện tượng đa cộng tuyến, chúng tôi tiến hành kiểm tra ma trận tương quan.
LOG(BAD) LOG(LOAN) LOG(ROTHAS) LOG(MMR) LOG( RGDP) LOG(BAD) 1.000000
LOG(LOAN) 0.699863 1.000000
LOG(ROTHAS) 0.023410 0.202817 1.000000
LOG(MMR) 0.456304 0.290628 0.087929 1.000000
LOG( RGDP) -0.591117 -0.384701 0.068703 -0.345596 1.000000
Hầu hết các nhà nghiên cứu kinh tế lượng cho rằng khi hệ số tương quan giữa hai biến lớn hơn hoặc bằng 0.8 thì đó là một dấu hiệu quan trọng để nhận biết hiện tượng đa cộng tuyến đang xảy ra trong mô hình, đặc biệt là mô hình hồi quy bội.
Qua kết quả phân tích tương quan, ta thấy tương quan giữa các cặp biến giải thích của mô hình đều nhỏ hơn 0.7. Vậy ta có thể kết luận các biến đưa vào mô hình không có hiện tượng đa cộng tuyến.
Kiểm định phƣơng sai thay đổi
Như chúng ta đã biết, phương sai thay đổi không những làm mất đi tính chất không chệch và tính vững chắc của các ước lượng OLS, mà còn làm cho các ước lượng đó không còn hiệu quả nữa. Vì vậy, chúng tôi sử dụng kiểm định White để phát hiện phương sai thay đổi trong mô hình.
Giả thiết: Ho: Phương sai của sai số ngẫu nhiên của mô hình không đổi.
𝐇𝟏: Phương sai của sai số ngẫu nhiên của mô hình thay đổi.
White Heteroskedasticity Test:
F-statistic 0.601883 Prob. F(8,51) 0.771843 Obs*R-squared 5.176091 Prob. Chi-Square(8) 0.738600
Theo kết quả của bảng trên, ta thấy n𝑅2= 5.176091 có xác suất p-value tương ứng là 0.7386 > 0.05 nên ta chấp nhận giả thiết H0: Phương sai của sai số ngẫu nhiên của mô hình không đổi.
Vậy mô hình hồi quy không có hiện tượng phương sai thay đổi.
Kiểm định hiện tƣợng tự tƣơng quan
Theo kết quả mô hình hồi quy phần trên, ta có:
Durbin-Watson stat = 2.055459
Vì cỡ mẫu lớn (60) nên các giá trị 𝑑𝑈, 𝑑𝐿 không có trong bảng, do đó đôi khi người ta kiểm đinh Durbin-Watson theo kinh nghiệm:
nếu 1<d<3 thì kết luận mô hình không có tự tương quan. Theo như kết quả kiểm định thì: 1< d = 2.055459< 3 Vậy mô hình hồi quy không có hiện tượng tự tương quan.
Qua các kiểm định bổ sung, ta có thể khẳng định các biến không có hiện tượng đa cộng tuyến, phương sai thay đổi cũng như hiện tượng tự tương quan. Vậy dữ liệu thu thập được cho mỗi biến giải thích khá tốt cho mô hình hồi quy.
3.3. Kết luận từ mô hình hồi quy
Mô hình ước lượng đầu tiên nhận được:
LOG(BAD) = 4.9104 + 0.6495*LOG(LOAN) - 0.1170*ROTHAS + 0.0900*MMR - 0.3394* RGDP
Kết quả kiểm định của mô hình Tác động của các nhân tố dư nợ tín dụng, tỷ lệ thu nhập thuần phi lãi suất trên tổng tài sản, lãi suất thị trường tiền tệ, và tăng trưởng GDP thực đến nợ xấu của các NHTM có trụ sở tại Tp.HCM không hoàn toàn trùng khớp với kết quả nghiên cứu của Xiaofen Chen.
Dư nợ tín dụng (LOAN) và lãi suất thị trường tiền tệ (MMR) có quan hệ tuyến tính cùng chiều với nợ xấu (BAD), tăng trưởng GDP thực ( RGDP) có quan hệ tuyến tính ngược chiều với sự gia tăng nợ xấu. Kết quả này hoàn toàn giống với kết quả nghiên cứu của Xiaofen Chen.
Tuy nhiên, tỷ lệ thu nhập thuần phi lãi suất trên tổng tài sản (ROTHAS) có quan hệ tuyến tính ngược chiều với nợ xấu, nhưng theo kết quả của Xiaofen Chen thì chúng lại có quan hệ cùng chiều. Tuy nhiên, khác nhau lớn nhất giữa kết quả kiểm định ở Việt Nam và kết quả nghiên cứu của Xiaofen Chen đó là biến này lại không giải thích được cho biến nợ xấu trong trường hợp ở Việt Nam.
Đối với mô hình hồi quy được viết lại:
LOG(BAD) = 5.4791 + 0.6325*LOG(LOAN) + 1.0673*LOG(MMR) - 2.2808*LOG( RGDP)
Thứ nhất, dư nợ tín dụng có quan hệ tuyến tính cùng chiều với nợ xấu của các NHTMCP có trụ sở tại Tp.HCM. Nếu tốc độ tăng trưởng GDP thực và lãi suất huy động không đổi qua các năm thì dư nợ tín dụng tăng lên 1% nợ xấu tăng lên 0.6325%. Con số này khá cao và cũng phản ánh được dư nợ tín dụng là yếu tố tác động mạnh đến nợ xấu. Kết quả này cũng hoàn toàn phù hợp với thực tế trong hệ thống NHTMCP ở Tp.HCM hiện nay vì nó phản ánh đúng với tình hình nợ xấu thực tế của các NHTMCP có trụ sở tại Tp.HCM trong những năm gần đây.
Thứ hai, lãi suất huy động cũng có quan hệ tuyến tính cùng chiều với sự gia tăng nợ xấu. Khi lãi suất tăng 1% sẽ dẫn đến nợ xấu tăng 1.0673% nếu tốc độ tăng trưởng tín dụng và GDP thực không đổi. Qua con số này, có thể khẳng định nợ xấu bị tác động rất mạnh bởi yếu tố lãi suất huy động. Thực tế trong những năm 2008-2010 cũng cho thấy được điều này. Các ngân hàng chạy đua lãi suất huy động và đẩy lãi suất cho vay lên cao. Đó cũng là một tác đưa nợ xấu ngân hàng tăng cao trong những năm này.
Thứ ba, tăng trưởng GDP thực có quan hệ tuyến tính ngược chiều với sự gia tăng nợ xấu. Con số - 2.2808 cho biết khi tốc độ tăng trưởng RGDP tăng lên 1% thì nợ xấu giảm xuống 2.2808% nếu tốc độ tăng trưởng tín dụng và lãi suất huy động không đổi. Rõ ràng ta thấy rằng, tốc độ tăng trưởng GDP thực có tác động đến sự gia tăng nợ xấu của các ngân hàng hiện nay. Tuy nhiên, đây là yếu tố vĩ mô mà bản thân mỗi NHTM không thể kiểm soát được. Vì vậy, để hạn chế nợ xấu gia tăng các NHTM phải kiểm soát chất lượng tín dụng mà họ cung cấp cho khách hàng.
3.4. Hạn chế từ mô hình
Qua các mô hình kiểm định phụ cho thấy rằng dữ liệu của các biến là phù hợp và có thể giải thích được cho biến phụ thuộc. Tuy nhiên, nhóm nghiên cứu nhận thấy mô hình và dữ liệu cũng còn nhiều hạn chế.
- Các dữ liệu liên quan đến Báo cáo tài chính của các NHTM CP chỉ được phổ biến trong những năm 2006 trở lại đây nên việc thu thập dữ liệu của khoảng thời gian trước đó khá khó khăn.
- Một số ngân hàng không đăng tải Báo cáo tài chính hay Báo cáo thường niên vì vậy nhóm không thể kiểm định mô hình của tất cả các NHTMCP trên địa bàn TP HCM.
- Mô hình còn chưa đề cập đến các nhân tố định tính tác động đến nợ xấu như thiên tai, địch họa, tác động của Chính phủ.
- Biến ROTHAST ở mô hình của Xiaofen có tác động đến nợ xấu tuy nhiên khi kiểm định ở Việt Nam thì biến này tác động không đáng kể. Có thể thấy nguyên nhân của việc này là do ở các ngân hàng Việt Nam tỷ lệ thu nhập từ dịch vụ chiếm tỷ lệ trên tổng thu nhập, đa số nguồn thu nhập của các NH là từ hoạt động cho vay. Điều này là một điểm cần khắc phục ở hệ thống NHVN khi mà việc đa dạng hóa các dịch vụ không chỉ làm tăng nguồn thu cho NH mà còn góp phần làm giảm rủi ro trong hoạt động cho vay truyền thống.
KẾT LUẬN CHƢƠNG 3
Trong những năm vừa qua, vì bị ảnh hưởng của cuộc khủng hoảng kinh tế thế giới nên kinh tế Việt Nam cũng gặp không ít khó khăn mà biểu hiện rõ nhất là nợ xấu không ngừng tăng trong hệ thống ngân hàng.
Từ mô hình các nhân tố tác động đến nợ xấu ở trên, sau khi kiểm định cho thấy dư nợ và lãi suất có tác động cùng chiều đến nợ xấu, trong khi đó tăng trưởng GDP có tác động âm lên nợ xấu. Điều này có thể thấy rõ qua thực trạng tín dụng tăng trưởng nóng, lãi suất cao hiện nay dẫn đến các doanh nghiệp khó khăn trong vấn đề huy động vốn mà hậu quả là trong năm 2011 và đầu năm 2012 có hàng chục ngàn doanh nghiệp tuyên bố phá sản. Ngoài yếu tố vĩ mô như tốc độ tăng trưởng GDP thực mà các ngân hàng không quản lý được, những yếu tố mà bản thân mỗi ngân hàng có thể quản lý được như dư nợ tín dụng và lãi suất huy động cũng như cho vay, ngân hàng cũng nên tập trung chú trọng kiểm soát tốt để kiềm chế nợ xấu tăng mạnh.
Vì vậy, sau khi đã xác định được các nhân tố thực sự tác động đến nợ xấu của ngân hàng, phần tiếp theo chúng tôi sẽ đề xuất các giải pháp xử lý vấn đề này.
CHƢƠNG 4: MỘT SỐ CÁC KIẾN NGHỊ ĐỐI VỚI CÔNG TÁC XỬ LÝ NỢ XẤU
4.1. Kiến nghị dựa trên bài học kinh nghiệm của các nƣớc trên thế giới
Dựa vào kinh nghiệm học tập được từ các quốc gia trên nhóm nghiên cứu đưa ra một só kiến nghị:
Chính phủ nên mua nợ xấu của các ngân hàng đồng thời giúp các ngân hàng tái cơ cấu vốn nhằm tránh rủi ro mất khả năng thanh toán bằng cách mua cổ phần ưu đãi của ngân hàng, mua lại các tài sản có vấn đề.
NHNN nên thành lập công ty xử lý nợ xấu chung của toàn bộ hệ thống, hỗ trợ nguồn vốn lớn, cho phép công ty phát hành trái phiếu cho các ngân hàng để thu hút vốn hoạt động. Công ty xử lý nợ xấu có thể mua các khoản nợ khó đòi để thực hiện nghiệp vụ chứng khoán hóa với các sản phẩm chứng khoán được đảm bảo bởi tài sản cầm cố và bán lại cho các nhà đầu tư. NHNN cũng cần tạo dựng một tiềm lực vững mạnh pháp lý cho công ty này, trao quyền ngoại lệ đặc biệt để xử lý, mua lại nợ xấu, thậm chí đầu tư và sinh lời từ đó. Công ty xử lý nợ xấu có thể khởi xướng thanh lý tài sản, hoán đổi nợ sang cổ phần, tổ chức đấu giá các khoản nợ, và kể cả tham gia trực tiếp vào quản lý các doanh nghiệp có nợ của họ. Bên cạnh đó, công ty xử lý nợ mua các khoản nợ xấu từ những ngân hàng với giá thị trường, thanh toán bằng trái phiếu do công ty phát hành được đảm bảo bởi Chính phủ nhằm giảm thiểu việc ghi bằng tiền mặt. Bằng cách này, các khoản nợ xấu của những ngân hàng này được thay thế bằng tài sản an toàn, cụ thể là trái phiếu được đảm bảo bởi Chính phủ. Về nhân lực, đội ngũ nhân viên của các tổ chức, công ty xử lý nợ nên là những nhân viên từ các ngân hàng lớn với chuyên môn, nghiệp vụ vững vàng chuyển sang.
Để tăng cường khả năng giám sát và tính độc lập, tự chủ trong quản lý, điều hành các chính sách tiền tệ của NHTW, NHTW chuyển hình thức trực thuộc Chính phủ sang hình thức trực thuộc Quốc hội. Tiếp theo là củng cố và tăng cường hệ thống
giám sát tài chính bằng việc thành lập Ủy ban Giám sát Ngân hàng, tập trung, tăng cường kiểm tra công tác quản trị rủi ro ở các ngân hàng.
Chính phủ nên vạch ra kế hoạch tổng thể và đồng bộ, gắn việc tái cấu trúc hệ thống ngân hàng với tiến trình tái cấu trúc hệ thống các DNNN, tái cơ cấu các khoản