Tỷ lệ nợ xấu 2018 2019 2020 Khách hàng cá
nhân (tỷ VND) 665 650 1.158
Khách hàng SME
(tỷ VND) 378 311 709
(Nguồn: BCTC NHTMCP Á Châu giai đoạn 2028 - 2020)
Tỷ lệ nợ xấu/ Tổng dư nợ tại Ngân hàng ACB luôn duy trì ở mức thấp (~0,6%). Cụ thể năm 2019, dư nợ xấu giảm 190 nghìn tỷ so với năm 2019. Tổng nợ xấu năm 2020 của Ngân hàng đạt 1840 tỷ đồng (chiếm 0,59% tổng dư nợ cho vay), là một trong những Ngân hàng có tỷ lệ nợ xấu thấp nhất toàn ngành, đây là kết quả tốt trong thời điểm các ngân hàng gặp nhiều khó khăn trong việc thu nợ do ảnh hưởng của dịch Covid - 19.
Cơ cấu nợ xấu
Hình 2.8. Cơ cấu nợ xấu giai đoạn 2018 -2020
Trong tổng nợ xấu của Ngân hàng, nợ nhóm 5 vẫn chiếm tỷ trọng cao nhất. Quy mô dư nợ có sự biến động do tác động của các nhân tố khách quan, cụ thể trong năm 2019 nợ nhóm 3 có tăng 85 tỷ so với năm 2018; nợ nhóm 4, nợ nhóm 5 giảm lần lượt 26 tỷ, 249 tỷ so với năm 2018. Năm 2020, nợ nhóm 4 và nhóm 5 tăng mạnh, riêng nợ nhóm 5 tăng đến 21% so với năm 2019. Tuy tỷ lệ nợ xấu so với tổng dư nợ không lớn, nhưng cơ cấu nợ xấu hầu hết ở nhóm 5 - là nhóm có khả năng gây tổn thất cho ngân hàng nhiều nhất. Đây là một trong những vấn đề Ngân hàng cần khắc phục bằng cách có những thay đổi trong quy trình tín dụng để nâng cao chất lượng tín dụng tại Ngân hàng hơn nữa.
Cơ cấu nợ xấu phân theo nhóm ngành
Trong cơ cấu nợ xấu phân theo nhóm ngành tại Ngân hàng ACB giai đoạn 2018- 2020, tập trung chủ yếu ở nhóm khách hàng cá nhân và doanh nghiệp vừa và nhỏ (SME). Đối với 2 nhóm khách hàng này, tỷ lệ nợ xấu năm 2020 lần lượt là: khách hàng cá nhân 0,6%, khách hàng doanh nghiệp vừa và nhỏ 0,7%.
Chỉ tiêu Năm 2018 Năm 2019 Năm 2020 Dự phòng RRTD (nghìn tỷ) 2.490 2.534 2.942 Tổng dư nợ 227.759 268.700 311.478 Dự phòng/ Tổng dư nợ , (%) 0,010 0,0095 0,0094
Chỉ tiêu Năm 2018 Năm 2019 Năm 2020
Dự phòng RRTD (Tỷ đồng) 2.490 2.534 2.942 Dư nợ xấu (Tỷ đồng) 1.638 1.448 1.839 Dự phòng/ Tổng nợ xấu (%) 152 175 160
(Nguồn: BCTC NHTMCP Á Châu giai đoạn 2018 - 2020)
Có thể thấy, tỷ lệ nợ xấu trong nhóm khách hàng cá nhân, và khách hàng doanh nghiệp vừa và nhỏ đều có dấu hiệu tăng cao do ảnh hưởng của dịch Covid-19. Đặc biệt là đối với đối tượng khách hàng doanh nghiệp vừa và nhỏ đang được ngân hàng tập trung tăng trưởng cho vay, năm 2020 vừa qua rất nhiều doanh nghiệp vừa và nhỏ bị ảnh hưởng nặng nề vì việc sản xuất bị đình trệ. Đây là một trong những điểm
mà Ngân hàng cần chú ý trong việc cần đa dạng hóa hơn danh mục cho vay để giảm thiểu rủi ro tín dụng tập trung.
2.3.4. Tỷ lệ dự phòng rủi ro tín dụng trên tổng dư nợ
Bảng 2.10. Tình hình dự phòng rủi ro tín dụng trên tổng dư nợ giai đoạn 2018- 2020
(Nguồn: BCTC NHTMCP Á Châu giai đoạn 2028 - 2020)
Tỷ lệ dự phòng RRTD trên tổng dư nợ tại Ngân hàng Á Châu có sự sụt giảm trong giai đoạn 2018 - 2020 tuy nhiên các khoản dự phòng RRTD có tăng, do chất lượng các khoản vay bị ảnh hưởng do ảnh hưởng tiêu cực của dịch Covid -19 lên nền kinh tế. Bên cạnh đó, tốc độ tăng trưởng tín dụng của ACB là khá tốt, nợ xấu có tăng nhưng không chiếm tỷ lệ quá lớn, tuy nhiên Ngân hàng vẫn luôn chú trọng quy trình quản lý nhằm phát hiện sớm và hạn chế nợ xấu ở mức thấp nhất.
2.3.5. Tỷ lệ dự phòng rủi ro tín dụng trên các khoản nợ xấu
Bảng 2.11. Tmh hình dự phòng rủi ro tín dụng trên các khoản nợ xấu giai đoạn 2018-2020
Mức trích lập dự phòng RRTD tại Ngân hàng có sự tăng trưởng qua các năm, thể hiện nỗ lực của Ngân hàng trong việc nâng cao quản trị RRTD, cụ thể tỷ lệ trích lập năm 2019 tăng 44 nghìn tỷ, năm 2020 dưới tác động của dịch bệnh, ngân hàng tăng mức trích lập dự phòng trên các khoản nợ xấu lên 408 nghìn tỷ. Tỷ lệ dự phòng/ Tổng nợ xấu tại Ngân hàng ACB luôn được duy trì ở mức cao trong toàn ngành với mức 160%. ACB tích cực trong công tác phát hiện và xử lý nhanh các khoản nợ xấu và tài sản không sinh lời bằng biện pháp thu hồi và trích lập dự phòng RRTD.
Nhìn chung nợ xấu tại NHTMCP Á Châu đang được kiểm soát khá tốt, luôn duy trì là một trong những Ngân hàng có tỷ lệ nợ xấu thấp nhất toàn ngành. Tuy nhiên, trong cơ cấu nợ xấu của Ngân hàng, tỷ lệ nợ nhóm 5 (Nợ có nguy cơ mất vốn) vẫn chiếm tỷ trọng cao nhất, đòi hỏi Ngân hàng chú trọng hơn trong công tác phân tích tín dụng để đảm bảo thực hiện phát triển bền vững, nâng cao chất lượng và giảm thiểu tối đa rủi ro của Ngân hàng trong thời gian tới.
KẾT LUẬN CHƯƠNG 2
Qua nội dung phân tích tình hình HĐKD của Ngân hàng TMCP Á Châu, chúng ta có cái nhìn tổng quan hơn về Ngân hàng. Có thể thấy, tình hình Tài sản, Nguồn vốn đang được Ngân hàng quản lý rất tốt. Huy động vốn, và cho vay cũng được đẩy mạnh và có những kết quả tích cực, cho thấy những triển vọng trong tương lai của Ngân hàng.
Tình hình quản trị RRTD nói chung và tỷ lệ nợ xấu nói riêng tại Ngân hàng Á Châu nhìn chung đang được Ngân hàng thực hiện khá tốt. Tuy nhiên do ảnh hưởng tiêu cực của dịch Covid -19 đối với nền kinh tế là thách thức lớn cho Ngân hàng trong thời gian tới. Ở chương tiếp theo, tác giả sẽ xây dựng mô hình và tìm hiểu mức độ ảnh hưởng của những nhân tố ảnh hưởng đến nợ xấu tại Ngân hàng, từ đó giúp Ngân hàng có những chiến lược hạn chế nợ xấu theo đó quản trị RRTD tốt hơn.
CHƯƠNG 3. ĐO LƯỜNG CÁC NHÂN TỐ ẢNH HƯỞNG ĐẾN NỢ XẤU TẠI NGÂN HÀNG TMCP Á CHÂU
3.1. Mô hình nghiên cứu
Dựa vào kết quả nghiên cứu trước, kết hợp thực trạng tình hình nợ xấu tại ngân hàng Á Châu, tác giả tập trung vào hai nhóm nhân tố chính bao gồm nhân tố vĩ mô và nhân tố vi mô. Theo hệ thống lý thuyết đưa ra về nhân tố vĩ mô và nhân tố vi mô ở chương 1, tác giả chọn những nhân tố sau:
Nhóm nhân tố vĩ mô gồm: tăng trưởng kinh tế (GDP), tỷ lệ lạm phát (CPI). Nhóm nhân tố vi mô gồm: tỷ lệ sinh lời trên tổng tài sản (ROA), tỷ lệ vốn tự có trên tổng tài sản (ETA), quy mô ngân hàng (SIZE), dự phòng RRTD (LLR)
Mô hình nghiên cứu:
N P L t = β0+ β 1 R O At + β2ETA t + β 3 SIZE t +β4L L R t + β5G D P t + β 6 CP1t + ult
Trong đó:
t= 1,...t: với t là số quý trong giai đoạn nghiên cứu 2013 -2020
Biến phụ thuộc
N P L t: Tỷ lệ nợ xấu tại Ngân hàng Á Châu vào thời điểm t Biến độc lập
ROAt: Tỷ lệ sinh lời trên tổng tài sản của Ngân hàng Á Châu thời điểm t
ETAt: Tỷ lệ vốn tự có trên tổng tài sản của Ngân hàng Á Châu thời điểm t
SIZEt: Quy mô Ngân hàng Á Châu thời điểm t
LLRt: Tỷ lệ dự phòng RRTD của Ngân hàng Á Châu thời điểm t
GD Pt : Tốc độ tăng trưởng kinh tế tại thời điểm t
CP11 : Tỷ lệ lạm phát tại thời điểm t
Ut: Sai số ngẫu nhiên tại thời điểm t Bảng 3.1. Bảng các biến trong mô hình
Biến phụ thuộc
1 Tỷ lệ nợ xấu NPLt N ợ xấu
Tồng dư nợ
Biến độc lập
2 Tăng trưởng GDP GDP
t Thu thập dữ liệu từ WB, IMF -
3 Lạm Phát CPIt Thu thập dữ liệu từ WB, IMF +
4 Tỷ lệ lợi nhuận trên tài sản
ROAt Lợi nhuận sau thuẽt
Tồng tằi sẳnt - 5 Tỷ lệ vốn tự có trên tổng tài sản ETAt Vốn chủ sở hữut Tồng tằi sẳnt -
6 Quy mô ngân hàng SIZ Et
Tồng tằi sẳnit — Tồng tằi Sanrt-1)
---ZTT- -TTT- ---—-× IOO
Tong tài sanrt-1J -
7 Dự phòng rủi ro tín dụng LLRt Dự phòng rủi ro tín dwιgit Tồng dư nợit +
3.2. Dữ liệu nghiên cứu và phương pháp nghiên cứu- Dữ liệu nghiên cứu - Dữ liệu nghiên cứu
Đề tài tập trung nghiên cứu các nhân tố ảnh hưởng đến nợ xấu tại NHTMCP Á Châu giai đoạn 2018 - 2020, bên cạnh đó sẽ bổ sung thêm dữ liệu từ năm 2013 - 2017 để làm cơ sở cho yếu tố lịch sử và đánh giá cho tương lai.
- Phương pháp nghiên cứu
Qua xem xét các bài nghiên cứu trước đây, tác giả nhận thấy phương pháp bình phương nhỏ nhất OLS là phương pháp phù hợp. Đây là phương pháp hồi quy đơn giản và dễ sử dụng đối với phạm vi quy mô của đề tài nên tác giả chọn phương pháp OLS để để xây dựng mô hình hồi quy cho bài nghiên cứu của mình.
Quy trình nghiên cứu:
Bài nghiên cứu lựa chọn sử dụng phần mềm Stata phiên bản 14 để phân tích mô hình nghiên cứu. Quy trình nghiên cứu như sau:
Bước 1: Phân tích thống kê mô tả
Tác giả tiến hành phân tích thống kê mô tả bằng phần mềm Stata. Kết quả thu được bao gồm các thông số Obs (Số quan sát), Mean (Giá trị trung bình), Std.Dev (Độ lệch chuẩn), Max (Giá trị lớn nhất) và Min (Giá trị nhỏ nhất) của các biến.
Bước 2: Phân tích tương quan mô hình nghiên cứu và kiểm định
Phân tích tương quan cho thấy mức tương quan giữa các biến trong mô hình nghiên cứu. Nếu hệ số tương quan của biến độc lập và biến phụ thuộc có giá trị dương thì biến độc lập đó tác động cùng chiều với biến phụ thuộc và ngược lại. Nếu hệ số tương quan giữa hai biến độc lập trong mô hình lớn thì mô hình dễ bị hiện tượng đa cộng tuyến.
Tác giả tiến hành kiểm định hiện tượng đa cộng tuyến bằng chỉ số phóng đại phương sai VIF, và hiện tượng phương sai thay đổi bằng kiểm định White.
Bước 3: Hồi quy mô hình bằng phương pháp bình quân nhỏ nhất OLS. Và
STT Biến Số quan
sát Trungbình Độ lệchchuẩn nhỏ nhấtGiá trị lớn nhấtGiá trị
1 NPL 32 .0147344 .009928 .0044 .0334 2 GDP 32 .0614663 .0185583 .016 .0791 3 CPI 32 .04161 .0141806 .02668 .06595 5 CRE 32 .0286177 .0353267 -.0789 .0858 6 ROA 32 .1784134 .2514625 .0207 1.1567 7 ETA 32 .0661481 .0078072 .0559 .0798 8 SIZE 32 4.239538 1.564077 2.086 7.641 9 LLR 32 .0076081 .0007611 .0062 .0102 3.3. Thống kê mô tả:
NPL ROA ETA SIZE LLR GDP CPI NPL 1 ROA 0.2807 1 ETA 0.4926 0.2042 1 SIZE -0.5592 -0.4170 -0.2475 1 LLR 0.5267 0.2766 0.2650 -0.2654 1 GDP -0.0255 -0.0814 -0.7277 0.1251 -0.0125 1 CPI 0.6721 0.0630 0.4561 -0.2646 0.1883 -0.1072 1
Nguồn: Kết xuất từ phần mềm Stata
Bảng thống kê trên cho thấy nợ xấu trung bình của Ngân hàng ACB trong giai đoạn nghiên cứu là 1,4%, trong đó nợ xấu cao nhất là giai đoạn quý 3 năm 2013, nợ xấu lên đến 3,3% do ảnh hưởng của khủng hoảng năm 2012 tỷ lệ nợ xấu thấp nhất là 0,44% vào quý 4 năm 2019. Độ lệch chuẩn 0,9% thể hiện mức độ phân tán nợ xấu không quá lớn giữa các giai đoạn tại NHTMCP Á Châu.
Khả năng sinh lời ROA, thể hiện HQHĐ của Ngân hàng, có giá trị trung tương đối ổn định và có xu hướng tăng khá nhanh trong giai đoạn từ quý 1 năm 2019 đến quý 4 năm 2020.
Quy mô tài sản của Ngân hàng Á Châu có giá trị trung bình giai đoạn quý 1 năm 2016 đến quý 4 năm 2020 là 314 nghìn tỷ đồng, và có xu hướng tăng ổn định. Tốc độ tăng trưởng trung bình qua các quý đạt 2,08%, nhờ vào cơ cấu tài sản được cấu trúc theo hướng gia tăng tỷ trọng tài sản sinh lời.
Với biến tăng trưởng kinh tế GDP có giá trị bình quân trong giai đoạn nghiên cứu là 6,1% với độ biến thiên 1,8%, do năm 2020 có tác động của dịch bệnh Covid -19 khiến kinh tế Việt Nam gặp nhiều khó khăn, dẫn đến mức độ tăng trưởng GDP giảm so với giai đoạn trước. Dịch bệnh Co-vid 19 cũng ảnh hưởng đến tỷ lệ lạm phát tại Việt Nam tuy nhiên lạm phát trung bình giai đoạn này đạt 4,1% và có độ lệch chuẩn 1,4% trong bối cảnh Chính phủ và Nhà nước Việt Nam đã và đang rất nỗ lực trong việc kiềm chế và ổn định lạm phát.
3.4. Kiểm định giả thuyết mô hình nghiên cứu3.4.1. Phân tích tương quan giữa các biến 3.4.1. Phân tích tương quan giữa các biến
Biến VIF 1/VIF ETA 3.51 0.284544 GDP 2.66 0.375480 CPI 1.53 0.651829 SIZE 1.33 0.750537 ROA 1.29 0.774771 LLR 1.24 0.805197 Trung bình VIF 1.93
Nguồn: Kết xuất từ phần mềm Stata
Dựa vào bảng trên ta thấy: kết quả phân tích tương quan mô hình nghiên cứu, có thể thấy các biến độc lập bao gồm R O A t, E TA t L L R t và C P It tác động cùng
chiều đến NPLt; các biến độc lập còn lại bao gồm SIZEt, CPIt tác động ngược
chiều đến
N PLt.
Theo Farrar và Glauber (1967) “Hệ số tương quan cặp nếu vượt quá 0,8 thì phương trình hồi quy sẽ gặp vấn đề về đa cộng tuyến”. Trong bảng không có hệ số tương quan nào lớn hơn 0,8 (nhỏ nhất là 0,7), như vậy có thể nói mô hình không có hiện tượng đa cộng tuyến nghiêm trọng.
3.4.2. Kiểm định hiện tượng đa cộng tuyến
Tác giả tiến hành sử dụng chỉ số phóng đại phương sai VIF (Variance Inflation Factor) để kiểm định giả thiết không bị hiện tượng đa cộng tuyến. “Đa cộng tuyến là hiện tượng các biến độc lập trong mô hình tương quan tuyến tính với nhau” (Kumari, 2008). Hiện tượng đa cộng tuyến sẽ gây ra sự sai lệch trong dự báo và gây khó khăn trong việc phân tích tác động riêng từng phần của một biến.
Hệ số VIF lớn hơn 10 sẽ gây ra vấn đề đa cộng tuyến nghiêm trọng (Hair và cộng sự, 1995). Có thể thấy tất cả các hệ số VIF của các biến trong mô hình đều <10, vì vậy có thể khẳng định mô hình không có hiện tượng đa cộng tuyến.
3.4.2. Kiểm định phương sai thay đổi
Tác giả sử dụng kiểm định White để kiểm định giả thuyết phương sai của sai số không đổi, giả thuyết H0: Không có hiện tượng phương sai thay đổi
Bảng 3.5. Kiểm định White
White's test for Ho: homoskedasticity
against Ha: unrestricted heteroskedasticity
chi2(31) = 30.27 Prob > chi2 = 0.3021
(Nguồn: Kết xuất từ phần mềm Stata)
Với mức ý nghĩa 1%, kiểm định White cho kết quả Prob= 0,3021 >1% nên chấp nhận giả thuyết H0: Không có hiện tượng phương sai thay đổi trong mô hình.
2.5. Phân tích mô hình hồi quy
Bảng 3.6. Ket quả hồi quy mô hình OLS
Bien Hệ số Sai số chuẩn Giá trị P> \z\
NPL
ROA -.0006234 .0041751 0.883
ETA .5968588 .2218995 0.013
SIZE -.00213 .000682 0.004
GDP -.2135166 .0812636 0.014
CPI .2556686 .0807172 0.004
(Nguồn: Kết xuất từ phần mềm Stata)
Với mô hình tuyến tính với mức ý nghĩa 0.0000 < 0.1, ta có thể biểu diễn thông qua phương trình sau:
N P L t= -0,049 + 0,59E TA t- 0.0020SIZ E t+ 3 . 3 1 L L R t- 0,21 G D P t +0,25 CP
It +
Ut
Đánh giá mô hình hồi quy
Giá trị thống kê F = 15.07 đảm bảo được độ tin cậy của mô hình (Prob> F =0.0000) Với R2 và R2 hiệu chỉnh ( R2 squared) lần lượt là 78,34% và 73,14% > 50% mô hình tốt, cho thấy mô hình hồi quy tuyến tính đa biến phù hợp với tập dữ liệu.
Bảng 3.7. Kết quả kiểm định sự phù hợp
dự phòng RRTD (LLR), tăng trưởng kinh tế (GDP) và tỷ lệ lạm phát (CPI). Trong đó biến độc lập S I Z Et và GD Pt có tác động cùng chiều đến N P Lt. Biến độc lâp E TAt, L L Rt và C P I t có tác động ngược chiều lên N P Lt.
Tỷ lệ sinh lời trên vốn chủ sở hữu có quan hệ cùng chiều với nợ xấu tại Ngân hàng TMCP Á Châu với ý nghĩa thống kê 5% đồng nghĩa với với việc Ngân hàng có tỷ lệ sinh lời trên vốn chủ sở hữu cao thì sẽ có tỷ lệ nợ xấu cao. Điều này trái với kỳ vọng ban đầu của tác giả. Nguyên nhân là do theo Thông tư 13/2012/TT-