ngân hàng
3.2.2.1. Kết quả mô hình
Tổng hợp từ các lý thuyết và các nghiên cứu thực tế, mô hình đo lƣờng công bố thông tin ảnh hƣởng chấp nhận rủi ro của ngân hàng đƣợc đƣa về mô hình dƣới dạng:
Z-SCORE = f(RDI, control variable)
Trong đó, Z-score là mức độ phá sản của các NHTM, RDI là điểm minh bạch của các ngân hàng đƣợc đánh giá sau mỗi năm. Control variable là các biến kiểm soát trong mô hình, bao gồm: “CAR là tỷ lệ dự trữ bắt buộc, ETA là tỷ lệ vốn chủ sở hữu chia cho tổng tài sản, NPL là tỷ lệ nợ xấu, ROA là mức sinh lời trên tổng tài sản, SIZE là logarit tổng tài sản của các ngân hàng, GDP là mức tăng trƣởng bình quân quốc gia, CPI là chỉ số giá tiêu dùng quốc gia”.
Bƣớc đầu, đề tài kiểm định hệ số tƣơng quan Pearson Correlation giữa các biến trong mô hình. Ma trận hệ số tƣơng quan cho thấy không có hệ số tƣơng quan nào vƣợt ngƣỡng 0.5. Hệ số cao nhất là 0.4966 cho thấy mối quan hệ giữa quy mô của tổng tài sản và việc CBTT.
68
Bảng 3.6. Mô tả mức độ tƣơng quan giữa các biến trong mô hình
Zscore RDI CAR ETA NPL ROA SIZE GDP CPI LIST
Zscore 1.0000 RDI -0.0226 1.0000 CAR 0.1029 -0.3006 1.0000 ETA 0.2330 -0.2855 0.3211 1.0000 NPL 0.1198 -0.1459 0.1269 0.0749 1.0000 ROA 0.2862 -0.0090 -0.0249 0.3375 -0.2006 1.0000 SIZE 0.3620 0.4966 -0.1795 -0.2884 -0.1035 0.0247 1.0000 GDP -0.1632 0.2660 0.0120 -0.2431 -0.2512 -0.0369 0.2122 1.0000 CPI 0.1160 -0.3163 0.0107 0.1677 0.1800 0.1739 -0.1629 -0.3661 1.0000 LIST 0.1189 0.4870 -0.2063 -0.1910 -0.0544 0.0686 0.3125 0.1892 -0.1086 1.0000
Nguồn: Nhóm tính toán và tổng hợp trên phần mềm STATA 14
Tiếp theo, nhóm đã sử dụng kiểm định hiện tƣợng tự tƣơng quan của dữ liệu bảng bằng phƣơng pháp kiểm định Wooldridge cho p-value >0.05, và kết quả cho thấy mô hình không có vấn đề về hiện tƣợng tự tƣơng quan.
Kiểm định Hausman đƣợc sử dụng nhƣ là một phƣơng pháp ƣớc lƣợng để lựa chọn mô hình phù hợp hơn giữa hai mô hình cố định và mô hình ngẫu nhiên. Nếu P-value của Hausman có giá trị >0.05, có ý nghĩa chấp nhận giả thuyết H0, ở đây H0 đƣợc hiểu là sẽ không có sự tƣơng quan giữa các biến giải thích và thành phần ngẫu nhiên, từ đó kết quả sẽ là sử dụng mô hình REM. Ở chiều ngƣợc lại, H1 thể hiện có sự tƣơng quan giữa các biến giải thích và thành phần ngẫu nhiên, giả thuyết này chỉ đƣợc chấp nhận khi P value của Hausman < 0.05 hay đồng nghĩa với việc đó là ta sẽ chọn sử dụng mô hình F. Qua kết quả cho ra từ mô hình hausman (P=0.1764) chấp nhận giả thuyết từ đó mô hình đƣợc chọn sẽ là mô hình tác động ngẫu nhiên REM.
69 Bảng 3.7. Kiểm định Hausman (b) Cố định (B) Ngẫu nhiên (b-B) Chênh lệch Sqrt(diag(V_b-V_B)) S.E RDI -0.3225332 -0.338543 0.0160098 . CAR -0.00115827 -0.0013083 -0.0002745 0.0003917 ETA 6.291802 6.214449 0.0773523 0.0137998 NPL 3.004635 3.06824 -0.0636057 . ROA 18.85173 18.7811 0.0706352 . SIZE 0.3284599 0.3303083 -0.0018484 0.0013707 GDP -7.591852 -7.679344 0.0874924 . CPI -0.3887598 -0.4014672 0.0127073 . LIST -0.0300543 -0.0240997 -0.0059545 0.0063571 Chi2 = 12.71 Prob>chi2 = 0.1764
Nguồn: Nhóm tính toán và tổng hợp trên phần mềm STATA 14
3.2.2.2. Kiểm định VIF
Bảng 3.8. Kiểm định VIF
Biến VIF 1/VIF
RDI 1.81 0.551104 ETA 1.47 0.678189 SIZE 1.40 0.715598 LIST 1.36 0.736404 GDP 1.31 0.761688 CPI 1.30 0.769421 ROA 1.29 0.773946 CAR 1.25 0.800202 NPL 1.17 0.854913 Trung bình VIF 1.37
70
Nguồn: Nhóm tính toán và tổng hợp trên phần mềm STATA 14
Đa cộng tuyến là hiện tƣợng thƣờng xảy ra khi mối tƣơng quan cao giữa hai hay nhiều biến độc lập trong mô hình hồi quy. Nói cách khác, một biến độc lập có thể sử dụng để dự đoán một biến độc lập khác. Khi biến độc lập A tăng thì biến độc lập B tăng và ngƣợc lại A giảm thì B cũng giảm. Điều này sẽ dẫn đến việc tạo ra các thông tin dƣ thừa, làm sai lệch kết quả của mô hình hồi quy đa biến.
Từ kết quả từ mô hình ta có thể thấy tất cả các biến độc lập đều có hệ số VIF < 2, điều đó cho thấy mô hình không tồn tại hiện tƣợng đa cộng tuyến.
3.2.2.3. Mô hình REM (mô hình hồi quy tác động ngẫu nhiên)
Từ những kết quả dƣới đây, ta thấy R bình phƣơng của mô hình REM bằng 0,8701, thể hiện mô hình đã giải thích đƣợc 87,02% cho biến độc lập, đây là một chỉ số khá tốt. Kết quả mô hình còn cho thấy các biến độc lập bao gồm RDI, CAR, GDP, CPI và LIST sẽ có mối tƣơng quan ngƣợc chiều so với Z-score. Trong khi đó các biến còn lại là ETA, NPL, ROA và SIZE lại đƣa ra kết quả ảnh hƣởng cùng chiều và có ý nghĩa thống kê so với biến phụ thuộc.
Bảng 3.9. Kết quả mô hình tác động ngẫu nhiên
Z Hệ số góc Độ lệch chuẩn z P>|z| Độ tin cậy 95%
RDI -0.1265373 0.0711258 -1.78 0.075 -0.2659413 0.0128666 CAR -0.0004806 0.0028469 -0.17 0.866 -0.0060603 0.0050922 ETA 6.233613 0.3254187 19.16 0.000 5.595804 6.871421 NPL 2.648409 0.7845976 3.38 0.001 1.110626 4.186192 ROA 19.59592 1.429535 13.71 0.000 16.79409 22.39776 SIZE 0.3143751 0.0156175 20.13 0.000 0.2837653 0.3449848 GDP -9.232854 1.868174 -4.94 0.000 -12.89441 -5.571299 CPI -0.1083287 0.2439972 -0.44 0.657 -0.5865543 0.369897 LIST -0.0264164 0.0428719 -0.62 0.538 -0.1104438 0.057611 _cons 0.2000179 0.1949574 1.03 0.305 -0.1820915 0.5821274
71
Kết quả của mô hình cho thấy mức độ CBTT có mối tƣơng quan ngƣợc chiều và có ý nghĩa thống kê với rủi ro của các NHTM. Nhƣ vậy, khi các NHTM tăng mức độ thông tin thì sẽ giảm thiểu đƣợc rủi ro cho các nghiệp vụ bên trong ngân hàng và ngƣợc lại. Kết quả này có ý nghĩa quan trọng trong thực tiễn, các NHTM có mức độ CBTT thấp cần phải cải thiện thông tin theo mặt bằng chung của toàn ngành, trong khi đó các NHTM có điểm minh bạch cao cần phải duy trì hoặc tiếp tục cải thiện những mặt còn yếu trong hoạt động CBTT. Trong đó biến ROA thể hiện mức sinh lời của tài sản có mối quan hệ cùng chiều và ý nghĩa thống kê đối với rủi ro của các NHTM, cho thấy ngân hàng có mức sinh lời càng cao thì nguy cơ dẫn tới rủi ro càng cao. Với biến quy mô ngân hàng (SIZE) nếu hệ số càng lớn nếu hệ số càng lớn có mối quan hệ cùng chiều với rủi ro.
Biến RDI – hệ số CBTT có mức ý nghĩa là 10%, cùng với hệ số góc là - 0,1265374 cho thấy tác động của việc CBTT của các NHTM đƣợc khảo sát là ngƣợc chiều tới Z-score. Cụ thể hơn có thể hiểu rằng, việc các NHTM đƣa ra càng nhiều thông tin thì điểm Z sẽ càng thấp, khi đó các ngân hàng sẽ phải đối mặt với việc chấp nhận rủi ro của các thông tin đƣợc đƣa ra thị trƣờng là càng cao. Điều này thể hiện điểm minh bạch trong CBTT càng cao thì đồng nghĩa với việc chấp nhận rủi ro của các NHTM là càng cao. (adsbygoogle = window.adsbygoogle || []).push({});
Bên cạnh đó, các biến khác nhận mức ý nghĩa thống kê là 5%. Biến ETA – hệ số vốn chủ sở hữu trên tổng tài sản có mức ý nghĩa thống kê (p<5%), cùng với hệ số góc 6,233613 thể hiện sự biến động cùng chiều với Z-score. Điều này cho ta thấy một khi hệ số vốn chủ sở hữu trong NHTM càng cao tƣơng ứng với việc chấp nhận rủi ro mà NHTM phải đối mặt càng lớn.
Biến NPL – tỷ lệ nợ xấu cũng có mức ý nghĩa là 5%, cùng với hệ số góc 2,648409 và cũng có tác động cùng chiều với điểm Z. Việc tăng trƣởng của tỷ lệ nợ xấu trong các ngân hàng song song với việc rủi ro mà NHTM có thể gặp phải càng lớn, hay có thể hiểu rằng việc tăng tỷ lệ nợ xấu sẽ dẫn đến việc chấp nhận rủi ro của các ngân hàng sẽ là càng cao.
72
ROA, tỷ lệ hoàn lại trên tổng tài sản có mức ý nghĩa thống kê (p<5%), cùng với số góc là 19,59592 và có tác động cùng chiều với Z-score. Khi các NHTM có hệ số ROA càng cao thì có thể dẫn tới càng nhiều rủi ro.
SIZE, quy mô của ngân hàng có mức ý nghĩa thống kê (p<5%), cùng với hệ số góc 0,3142751 và có tác động cùng chiều với Z-score. Ý nghĩa của biến này cho thấy việc các NHTM càng mở rộng quy mô tài sản của mình cũng đồng nghĩa với việc chấp nhận rủi ro của họ sẽ càng lớn.
Trong khi đó biến GDP – mức tăng trƣởng bình quân quốc gia có mức ý nghĩa thống kê (p<5%), cùng với hệ số góc -9,232854 tác động ngƣợc chiều với Z- score. Điều này thể hiện mức độ tăng tăng trƣởng của GDP càng tốt thì việc chấp nhận rủi ro ở các NHTM càng đƣợc giảm thiểu.
Tóm lại, kết quả của mô hình cho thấy mức độ CBTT có mối quan hệ ngƣợc chiều và có ý nghĩa thống kê với rủi ro của các NHTM. Nhƣ vậy, khi các NHTM tăng mức độ CBTT thì đồng thời sẽ tăng việc mà ngân hàng phải chấp nhận rủi ro mà các thông tin đó sẽ mang đến và ngƣợc lại. Kết quả này có ý nghĩa quan trọng trong thực tiễn, các NHTM có mức độ CBTT thấp cần phải cải thiện việc để cân bằng theo với mặt bằng chung của toàn ngành, trong khi đó các NHTM có điểm minh bạch cao cần phải duy trì hoặc tiếp tục cải thiện những mặt còn yếu trong hoạt động CBTT.
73
TÓM TẮT CHƢƠNG 3
Nhóm đã xây dựng và sử dụng bộ chỉ số Z-score để đo lƣờng mức độ ảnh hƣởng của việc CBTT tới việc chấp nhận rủi ro của các NHTM, đây là chỉ số đƣợc EdWard I.Altman phát triển vào năm 1968 để đo lƣờng tác động của việc minh bạch thông tin đến hành vi chấp nhận rủi ro trong các NHTM. Mô hình đã đƣợc sử dụng rộng rãi và đƣa ra những dự đoán chính xác cho hầu hết các loại hình công ty và đặc biệt hữu dụng đối với các NHTM. Để có thể đƣa ra đƣợc một kết quả chính xác, nhóm nghiên cứu đã lấy mẫu là 25 NHTM trong khoảng thời gian 10 năm từ năm 2009 đến 2019 với biến phụ là Z-score và trong đó các biến độc lập sẽ đƣợc thu thập theo biến có tác động tƣơng đối với ngân hàng hai hƣớng vi mô và vĩ mô. Kết quả đƣợc đƣa ra cho thấy chỉ số công bố thông tin tác động ngƣợc chiều với Z- score, điều đó ứng với việc công bố thông tin hoàn toàn ảnh hƣởng tới sự chấp nhận rủi ro trong các NHTM.
74
CHƢƠNG 4
MỘT SỐ KHUYẾN NGHỊ NÂNG CAO MỨC ĐỘ MINH BẠCH THÔNG TIN VÀ GIẢM THIỂU RỦI RO CHO CÁC NGÂN HÀNG THƢƠNG MẠI
VIỆT NAM