Mẫu nghiên cứu được hình thành từ 20 NHTM được cấp phép hoạt động tại Việt Nam, bao gồm 03 NHTM Nhà nước và 17 NHTM cổ phần (Phụ lục 1). Các dữ liệu bên trong phục vụ nghiên cứu mô hình được thu thập từ báo cáo tài chính hợp nhất và báo cáo thường niên (dữ liệu thứ cấp được sử dụng để tính toán các chỉ số đại diện cho các yếu tố bên trong) của 20 NHTM trong giai đoạn 2010 – 2015 (06 năm), nên nghiên cứu gồm 120 quan sát. Còn dữ liệu liên quan đến yếu tố vĩ mô: Tốc độ tăng trưởng kinh tế, Tỷ lệ lạm phát, lãi suất ngân hàng được lấy từ IMF và Tổng cục thống kê Việt Nam.
Dữ liệu được sử dụng trong nghiên cứu là dữ liệu bảng (Panel data), do sự kết hợp giữa dữ liệu theo không gian và dữ liệu chuỗi thời gian. Nghĩa là số liệu của biến được thu thập tại nhiều đơn vị kinh tế khác nhau ở những thời điểm khác nhau. Các dữ liệu nghiên cứu được trình bày ở phần phụ lục.
Lý giải việc lựa chọn 20 NHTM (Phụ lục1) dùng làm mẫu nghiên cứu trong mô hình vì các NHTM này đều có đầy đủ các dữ liệu đã được công bố chính thức mà tác giả cần phân tích. Trong đó có 35% trong tổng số 20 ngân hàng có vốn điều lệ trên 10.000 tỷ (07 ngân hàng), 30% ngân hàng có vốn điều lệ từ 5.000 tỷ đến dưới 10.000 tỷ (06 ngân hàng) và 35% ngân hàng còn lại có vốn điều lệ từ 3.000 tỷ đến dưới 5.000 tỷ (07 ngân hàng). Việc lựa chọn này mang tính khách quan nhằm đa dạng hóa quy mô các NHTM ở Việt Nam.
Mốc thời gian 2010 – 2015 được tác giả chọn để nghiên cứu, vì đây là giai đoạn hệ thống ngân hàng Việt Nam rơi vào tình trạng khó khăn, tính thanh khoản thấp, nợ xấu tăng cao, hiệu quả hoạt động kém. Và thời gian này là thời gian gần nhất với bài nghiên cứu để tác giả có căn cứ sát thực nhận định thực trạng hiện tại và đóng góp các kiến nghị có ích cho nền kinh tế trong tương lai.
3.2.4. Phƣơng pháp nghiên cứu
Hiện nay có rất nhiều phần mềm được sử dụng trong lĩnh vực kinh tế lượng ứng dụng, như: Eviews, Stata, SPSS, SAS, Gauss, … Trong đó, Stata là phần mềm cung cấp những công cụ để phân tích dữ liệu, hồi quy và dự báo. Stata sử dụng khá dễ dàng, là phần mềm rất mạnh cho phân tích dữ liệu bảng, chuyên được ứng dụng trong các lĩnh vực: Phân tích và đánh giá dữ liệu khoa học, phân tích tài chính, phân tích chi phí và dự báo kinh doanh, … Do vậy, tác giả lựa chọn sử dụng phần mềm Stata để phân tích đánh giá mô hình nghiên cứu này.
Quy trình nghiên cứu thông qua phần mềm Stata phiên bản 12 được tác giả thực hiện qua các bước như:
Bƣớc 1: Thống kê mô tả các biến trong mô hình nghiên cứu để chỉ ra các chỉ số lớn nhất, nhỏ nhất và trung bình của các biến nghiên cứu.
Bƣớc 2: Ma trận tương quan giúp chúng ta xem sự thay đổi của các biến độc lập lên biến phụ thuộc là như thế nào?
Bƣớc 3: Phân tích dữ liệu bảng với 3 phương pháp ước lượng phổ biến: OLS, FEM và REM để xác định mô hình nghiên cứu nào tốt hơn. Trong nghiên cứu này không sử dụng phương pháp ước lượng Pooles OLS vì tập dữ liệu thu thập được trên ước lượng OLS của các đối tượng là theo thời gian, do vậy nó xem tất cả các hệ số đều không thay đổi giữa các đối tượng khác nhau và không thay đổi theo thời gian (Gujarati, 2003). Việc sử dụng dữ liệu bảng trong nghiên cứu này là sự kết hợp giữa dữ liệu chéo (cross section) và dữ liệu thời gian (data series). Do vậy, khi phân tích dữ liệu bảng thường sử dụng mô hình tác động cố định và mô hình tác động ngẫu nhiên. Kiểm định Hausman sẽ được sử dụng để lựa chọn phương pháp ước lượng phù hợp giữa hai mô hình tác động cố định và tác động ngẫu nhiên (Gujarati, 2003 và Baltagi, 2008).
Bƣớc 4: Tác giả sử dụng các kỹ thuật kiểm định để kiểm tra sự vi phạm các giả định của mô hình hồi quy.
Để phát hiện đa cộng tuyến, tác giả lựa chọn phương pháp sử dụng nhân tử phóng đại phương sai (VIF – Variance Inflation Factor - Mức độ cộng tuyến giữa biến phụ thuộc với các biến độc lập). Nếu trong kết quả kiểm định phát hiện có VIF của biến >10 (Gujarati, 2003), tác giả loại 01 biến độc lập có VIF lớn nhất và lớn hơn 10. Sau đó tiếp tục thực hiện lệnh collin với các biến độc lập còn lại, kiểm định VIF và cứ tiếp tục loại bỏ biến cho đến khi VIF của tất cả các biến độc lập đều nhỏ hơn 10. Lúc đó, mô hình phù hợp, đã khắc phục được hiện tượng đa cộng tuyến.
Việc chuẩn đoán hiện tượng phương sai sai số thay đổi (PSSSTĐ) trong mô hình hồi quy có thể dựa vào kiểm định Breusch-Pagan (kiểm định nhân tử Lagrange) cho mô hình REM, sử dụng trong Stata theo lệnh “xttest0”. Và dùng kiểm định Ward để phát hiện PSSSTĐ qua các thực thể trong mô hình FEM, sử dụng lệnh “xttest3”. Với giả thiết H0: Phương sai qua các thực thể là không đổi, xét p giá trị nếu p-value < 0.05, bác bỏ H0 tức mô hình tồn tại hiện tượng PSSSTĐ. Tuy nhiên, nếu lựa chọn mô hình REM thì hiện tượng PSSSTĐ đã tự triệt tiêu.
Kiểm định Wooldridge để phát hiện tự tương quan (TTQ) trong mô hình. Giả thiết H0 được bác bỏ cho thấy có hiện tượng TTQ trong mô hình, với p-value < 0,05. Tuy nhiên, cần lưu ý mô hình Random effects quan tâm đến cả vấn đề về những khác biệt của riêng các đối tượng phân tích theo thời gian đóng góp vào mô hình, do đó mắc phải hiện tượng TTQ, PSSSTĐ là vấn đề cần phải giải quyết trong mô hình này.
KẾT LUẬN CHƢƠNG 3
Từ kết quả phân tích thực trạng hiệu quả hoạt động của các NHTM Việt Nam hiện nay, ta có thể đưa ra nhận xét, mặc dù hệ thống ngân hàng hiện nay đang trong tình trạng phục hồi, tăng trưởng tín dụng có chiều hướng tăng nhưng chất lượng tín dụng kém, nợ xấu vẫn còn đang trong giai đoạn chưa được xử lý triệt để, chi phí hoạt động ngày càng cao do chạy đua cuộc cạnh tranh mở rộng mạng lưới làm cho lời nhuận ngân hàng thấp, hiệu quả hoạt động ngân hàng không cao, đang trong tình trạng bảo hòa, trì trệ.
Trước thực trạng đó, dựa trên nghiên cứu thực nghiệm của các nhà khoa học, tác giả quyết định xây dựng mô hình nghiên nhằm mở ra con đường mới cho các NHTM Việt Nam nhận thấy rõ các nhân tố nào gây ra sức ảnh hưởng cho tình trạng sức khỏe của ngân hàng mình. Tác giả dùng nhân tố khả năng sinh lời (ROA, ROE) làm biến phụ thuộc đại diện cho hiệu quả hoạt động ngân hàng, và sử dụng 17 biến độc lập làm nhân tố tác động trong đó có 14 biến nội tại liên quan đến các nhân tố phản ánh về quy mô tài sản, vốn, thu nhập, chi phí, rủi ro và 3 biến vĩ mô đại diện sự tác động của nền kinh tế lên hiệu quả hoạt động ngân hàng. Sở dĩ tác giả lựa chọn các biến trên là vì một phần tác giả dựa vào sự thành công của mô hình gốc, phần là do các nhân tố trên phản ánh toàn diện về tình trạng sức khỏe của các ngân hàng.
Hơn nữa, các giả thuyết được đưa ra trong mô hình để dự báo chiều hướng tác động của từng nhân tố lên biến phụ thuộc. Tuy nhiên, đây chỉ là mang tính chất kỳ vọng, tác giả chỉ dự báo theo xu hướng tác động chung và tham khảo từ các kết quả của những mô hình nghiên cứu trước đây, kết quả thực nghiệm của mô hình sẽ có sự thay đổi, có thể khác so với kỳ vọng mà tác giả đưa ra.
CHƢƠNG 4
THẢO LUẬN KẾT QUẢ NGHIÊN CỨU 4.1. Phân tích thống kê mô tả
Bảng 4.1 thể hiện các trị số thống kê cho tất cả các biến nghiên cứu sử dụng trong mô hình và số quan sát là 120. Từ kết quả thống kê cho thấy ROA dao động trong khoảng 0,01% - 2,53%. Đối với chỉ số ROA, một ngân hàng lành mạnh thông thường chỉ có khả năng tạo ra chỉ số ROA nằm trong ngưỡng từ 1% - 2%. Với giá trị trung bình 0,82%, hiệu quả của việc quản lý và sử dụng tài sản để tạo ra thu nhập của nhóm ngân hàng nghiên cứu còn kém, chính sách đầu tư hay cho vay không hiệu quả, chi phí hoạt động của ngân hàng cao.
Tương tự ROE đạt giá trị lớn nhất là 26,82% và nhỏ nhất là 0,06%. Theo chuẩn mực đánh giá năng lực tài chính của Moody’s, chỉ số ROE nằm ở ngưỡng từ 12% - 15% là chấp nhận được. ROE trong nghiên cứu có giá trung bình là 9,25%, thấp hơn ngưỡng bình thường của ngành (10%). Điều này chứng tỏ các ngân hàng đang trong tình trạng sử dụng vốn chủ sở hữu chưa đạt hiệu quả, khả năng tạo lợi nhuận kém và nền kinh tế Việt Nam đang rơi vào tình trạng suy thoái giai đoạn nghiên cứu 2010 – 2015.
Chỉ số Dư nợ cho vay/Tổng tài sản (LA) bình quân ở mức 0,49%, dao động trong khoảng 0,19% - 0,71%, con số trên là khá thấp do tốc độ tăng trưởng tín dụng có xu hướng giảm trong nhiều năm gần đây. Còn chỉ số trung bình của mức độ an toàn vốn (EA) thấp 9,6%, tiềm ẩn rủi ro cao khi các NHTM sử dụng nguồn vốn mang đi đầu tư không hợp lý (dùng nguồn vốn ngắn hạn, cho vay trung – dài hạn), có nguy cơ phát sinh vấn đề nợ xấu.
Bảng 4.1 – Thống kê mô tả dữ liệu
Variable Obs Mean Std. Dev. Min Max
ROA 120 0,8225068 0,5119104 0,0100717 2,538124 ROE 120 9,250449 6,085253 0,0682594 26,82345 LA 120 0,4927261 0,1285546 0,1910427 0,7099834 EA 120 9,619857 3,544832 4,255612 25,53888 LLPTL 120 1,120491 0,7350686 0,1612207 3,280725 LOGTA 120 18,36118 1,049441 16,35141 20,56153 DEPTA 120 60,68528 12,65491 29,22782 89,21708 INTEXEQ 120 63,57188 27,79397 22,47716 157,6489 IETA 120 5,591011 1,898117 2,358811 10,94748 INVESTTA 120 0,4901139 0,4079411 0,5877228 1,45943 NIITI 120 15,50921 14,08676 17,75918 78,55639 NIMTA 120 2,813477 1,036587 0,3587905 6,235673 FL 120 90,33122 3,518004 74,46112 95,74439 OPEXTA 120 1,691646 0,5193508 0,5825412 3,055223 OPEXTI 120 53,15513 13,82211 27,98192 92,73807 LLIFE 120 3,008309 0,499553 0,6931472 4,060443 GDP 120 5,75 0,9266185 4,14 6,78 CPI 120 7,528333 5,987492 0,6 18,13 BIR 120 11,37333 3,086047 7,9 15,31 Nguồn: Kết quả trích xuất từ phần mềm Stata
Ngoài ra, chỉ số rủi ro tín dụng (LLPTL) trung bình chiếm tỷ trọng rất ít 1,12% tổng dư nợ cho vay. Cho thấy mức độ bảo đảm rủi ro cho tín dụng là rất thấp, có nguy cơ nợ xấu cao, không đảm bảo an toàn hoạt động cho hệ thống ngân hàng.
Tốc độ tăng trưởng tài sản (LOGTA) bình quân của các NHTM trong giai đoạn nghiên cứu là 18,36%, trong khi đó ROA và ROE có giá trị trung bình lần lượt chỉ đạt 0,82% và 9,25% cho thấy tình trạng hiệu quả của ngân hàng không theo kịp tốc độ tăng trưởng quy mô.
Cấu trúc tài trợ (DEPTA) đạt từ 29,22% - 89,21%, có giá trị trung bình 60,68%, cho thấy tổng tài sản của ngân hàng đa phần là từ tiền gửi huy động của các tổ chức và cá nhân. Đây là nguồn vốn có chi phí thấp, được các NHTM đặt biệt quan tâm.
Hiệu quả chi phí lãi (INTEXEQ) trung bình chiếm 63,57%, chi phí lãi vay khá cao, khả năng sinh lời kém. Năm 2011, chi phí lãi vay của ACB cao nhất trong nhóm ngân hàng khảo sát 157,64%, ACB tập trung quá nhiều vào hoạt động tín dụng, thu nhập lãi thuần đạt 6.607.558 triệu đồng chiếm 86,41% tổng thu nhập (Phụ lục), tuy nhiên ROA của ACB vẫn đạt 1,14% và ROE cao nhất là 26,82%. Nguồn chi phí tuy cao nhưng vẫn mang lại suất sinh lời ổn định, thật vậy ACB là ngân hàng bán lẻ hàng đầu Việt Nam lúc bấy giờ.
Chỉ số đa dạng hóa thu nhập (NIITI) mức trung bình tương đối khoảng 15,50% tổng thu nhập, chính vì quá tập trung vào các nguồn thu từ tín dụng nên các mảng hoạt động phi tín dụng, dịch vụ có tiềm năng cao thì các NHTM lại chưa chú trọng mở rộng và chưa đa dạng hóa các nguồn thu ngoài lãi cũng như gia tăng lợi nhuận cho ngân hàng. Thậm chí, một số NHTM đang nghiên cứu (ACB, ABBank, HDBank, MBBank,...) bị thua lỗ từ những hoạt động ngoài lãi.
Tỷ lệ thu nhập lãi cận biên (NIMTA) có giá trị trung bình thấp 2,81%, cao nhất cũng chỉ đạt 6,23%, hiệu quả hoạt động tín dụng của các NHTM kém, từ năm 2011 tốc độ tăng trưởng tín dụng thấp, kéo theo là hàng loạt chính sách kinh tế thắt chặt, lãi suất tín dụng cao, không hấp dẫn nhà đầu tư tham gia tín dụng. Bên cạnh đó, khả năng sinh lời của tài sản có từ thu nhập ngoài lãi (INVESTTA) rất khiêm tốn, trung bình chỉ 0,49%, mức cao nhất cũng chỉ đạt 1,45%.
Một chỉ tiêu khá quan trọng là đòn bẩy tài chính (FL) dao động khá lớn từ 74,46% - 95,74%, đạt giá trị trung bình khá cao 90,33%, độ lệch chuẩn 3,51%. Điều này cho thấy, trọng tâm của FL là tỷ số nợ, chủ yếu là tiền gửi huy động từ các tổ chức và cá nhân. Các NHTM vận dụng khá nhiều lợi thế từ đòn bẩy tài chính vào hoạt động kinh doanh, có ảnh hưởng lớn đến ROE.
Chất lượng quản lý (OPEXTI) có giá trị trung bình 53,15% tương đối cao, chứng minh trong giai đoạn 2010 – 2015, các NHTM có chú trọng đầu tư vào công tác quản lý điều hành hoạt động, quản trị rủi ro, đặc biệt chú trọng đầu tư khá nhiều vào việc đào tạo và sử dụng nguồn nhân lực. Tuy nhiên, độ lệch chuẩn của OPEXTI là 13,22%, cho thấy cũng có ngân hàng bỏ tiền vào rất nhiều trong công tác quản lý, điều hành. Điển hình tháng 6/2013, NCB tiến hành đề án tự tái cấu trúc, thay đổi toàn diện từ hệ thống đến thương hiệu (thương hiệu cũ là Navibank), đầu tư quá nhiều vào chi phí hoạt động chiếm 92,73% tổng thu nhập, có ảnh hưởng rất lớn đến lợi nhuận của ngân hàng, ROA chỉ đạt 0,06% và ROE 0,57% là rất thấp (Báo cáo tài chính của NCB). Đối với chỉ tiêu OPEXTA thể hiện chi phí hoạt động so với tổng tài sản có giá trị trung bình tương đối thấp 1,69%.
Còn về chỉ số liên quan đến số năm hoạt động của ngân hàng (LLIFE) có giá trị trung bình đạt 3%, nhìn chung các NHTM trong bài khảo sát đều hoạt động trên 20 năm, đây là khoảng thời gian khá dài đủ để khẳng định uy tín hoạt động của ngân hàng đối với khách hàng.
Các chỉ tiêu tăng trưởng kinh tế (GDP) và chỉ số giá tiêu dùng (CPI) đo lường lạm phát lần lượt có giá trị trung bình 5,75% và 7,52%. Việt Nam thuộc
nhóm kinh tế các nước đang phát triển nên tốc độ tăng trưởng kinh tế trung bình luôn ở mức cao và do đó lạm phát cũng không thể thấp. Riêng mặt bằng lãi suất cho vay duy trì ở mức tương đối, chỉ số BIR giảm rất nhiều trong giai đoạn 2010 – 2015, mức thấp nhất là 7,90% năm 2015 và đạt trung bình ở mức 11,37% do tín dụng tăng trưởng khó khăn, sức hấp thụ vốn của nền kinh tế còn yếu, sản phẩm ngân hàng chưa đa dạng.
4.2. Phân tích ma trận tƣơng quan
Ma trận hệ số tương quan từng đôi được trình bày trong bảng 4.2 cho thấy mối tương quan giữa các biến sử dụng trong mô hình. Nhìn chung, hầu hết hệ số tương quan giữa các biến đều khá thấp. Kết quả cho thấy biến ROA có tương quan mạnh nhất với OPEXTI (0,78) và tương quan yếu nhất với INTEXEQ (-0,01). Tương tự, đối với ROE, OPEXTI có tác động mạnh nhất (0,74) và NIITI tác động yếu nhất (-0,03). Tuy nhiên hệ số tương quan chỉ đánh giá quan hệ hai chiều mà không đánh giá được tác động một chiều các biến lên ROA và ROE.
Theo chuẩn so sánh của Farrar và Glauber (1967), các hệ số tương quan cao nhất (0,99; 0,90; 0,94) thể hiện lần lượt các mối tương quan từng cặp biến EA - FL; INVESTTA - NIITI; CPI - BIR đều lớn hơn 0,8. Điều này cho thấy mối quan hệ giữa các cặp biến khá chặt chẽ, có sự ảnh hưởng với nhau. Mô hình có khả năng mắc bệnh đa cộng tuyến.