4.3.1. Kết quả ƣớc lƣợng mô hình panel VAR
4.3.1.1. Kiểm định nghiệm đơn vị
Kiểm định nghiệm đơn vị trong nghiên cứu được sử dụng để kiểm tra xem liệu các biến chuỗi thời gian: PD, GDP, NPL, TD có tính dừng hay không. Kết quả của kiểm định nghiệm đơn vị được trình bày trong Bảng 4.1.
Bảng 4.1. Kết quả kiểm định nghiệm đơn vị bằng ADF
Biến Bậc gốc Sai phân bậc 1
Giá trị thống kê Xác suất Giá trị thống kê Xác suất GDP 35.258 0.964 340.713 0.000
TD 86.479 0.002
NPL 20.292 1.000 135.634 0.000 PD 94.031 0.000
Nguồn: Kết quả trích xuất từ phần mềm Eviews
Kết quả theo kiểm định ADF cho thấy biến PD và TD dừng ở bậc gốc, còn lại biến GDP và biến NPL dừng ở mức sai phân thứ nhất. Vì vậy, nghiên cứu tiến hành ước lượng panel VAR gồm các biến PD, TD và sai phân D(GDP), D(NPL).
4.3.1.2. Chọn độ trễ phù hợp
Có nhiều phương pháp nhằm chọn độ trễ cho mô hình VAR. Nghiên cứu chọn phương pháp VAR Lag Order Selection Criteria nhằm tìm độ trễ thích hợp cho mô hình. Nghiên cứu chọn tiêu chuẩn lựa chọn độ trễ tối ưu là tiêu chí thông tin Akaike (Akaike information criterition – AIC), kết quả cho thấy chỉ thực hiện được độ trễ là 1. Đồng thời do số lượng quan sát cũng như phạm vi thời gian nghiên cứu tương đối nhỏ so với số lượng biến nên tác giả quyết định chọn độ trễ (lag intervals) là 1 1 để ước lượng.
4.3.1.3. Kết quả ước lượng
Mục tiêu đầu tiên của bài nghiên cứu là tìm hiểu mức độ rủi ro hệ thống của các NHTM tại Việt Nam trong giai đoạn 2007 – 2015. Sau khi đạt được mục tiêu đầu tiên, bài nghiên cứu nỗ lực làm sáng tỏ những nhân tố nào tác động đến rủi ro hệ thống của các ngân hàng. Nghiên cứu tập trung xem xét phương trình sau với biến PD là biến phụ thuộc và các biến sai phân D(GDP(-1)), D(NPL(-1)), TD(-1), PD(-1) là biến độc lập:
PD = 4.330 * D(GDP(-1)) + 19.320 * D(NPL(-1)) + 0.149 * TD(-1) + 0.558 * PD(-1)
R2 0.373 R2 điều chỉnh 0.362 Kết quả hồi quy theo phương pháp panel VAR, phần nào chỉ ra có tồn tại mối quan hệ giữa các biến tăng trưởng kinh tế, tăng trưởng vốn, tỷ lệ nợ xấu và rủi ro hệ thống, tuy nhiên theo Sims (1980), mục đích của phân tích tự hồi quy vector VAR là xác định mối liên hệ đa chiều giữa các biến chứ không phải để ước tính mức độ quan hệ giữa các biến như hồi quy OLS. Vì vậy để kết luận chính xác hơn cần thực hiện hàm phản ứng đẩy và phân rã phương sai.
4.3.2. Kiểm định chẩn đoán mô hình
4.3.2.1. Tính ổn định của mô hình
Hình 4.8. Nghiệm nghịch đảo của đa thức đặc trƣng tự hồi qui
Hình 4.8 cho thấy giá trị nghịch đảo nghiệm đặc trưng đều nằm trong vòng tròn đơn vị. Kết luận, mô hình panel VAR vừa ước lượng có tính ổn định.
4.3.2.2. Kiểm định chẩn đoán đối với phần dư
Tiến hành kiểm định tự tương quan trong mô hình, kết quả (Bảng 4.2) cho thấy các phần dư của các phương trình có tương quan với nhau. Như vậy, một cú sốc xảy ra với 1 biến bất kỳ có thể ảnh hưởng đến các biến khác. Điều này đòi hỏi phải thực hiện các hàm phản ứng để nhận được tác động lan tỏa từ các thay đổi của mỗi biến trong mô hình đến các biến còn lại.
Bảng 4.2. Kết quả kiểm định tự tƣơng quan phần dƣ
Độ trễ Kiểm định Portmanteau Kiểm định LM
Thống kê Q Xác suất Thống kê LM Xác suất
1 272.962 NA NA NA 2 512.349 0.000 NA NA 3 742.172 0.000 3017.979 0.000 4 945.832 0.000 1080.688 0.000 5 1144.514 0.000 972.036 0.000 6 1363.586 0.000 1055.638 0.000
Nguồn: Kết quả trích xuất từ phần mềm Eviews
4.3.2.3. Kiểm định phân phối chuẩn của phần dư
Kết quả kiểm định cho thấy phần dư trong phương trình của D(NPL) có phân phối chuẩn (Prob(Jarque-Bera) > 5%) nhưng phần dư trong phương trình của D(GDP), TD, PD không có phân phối chuẩn (Prob(Jarque-Bera) < 5%). Tuy nhiên, vì mẫu nghiên cứu nhỏ nên đo lường độ nghiêng không có nhiều ý nghĩa về mặt thông tin.
4.3.3. Kiểm định nhân quả Granger
Bảng 4.3 cho thấy kết quả kiểm định nhân quả Granger của mô hình panel VAR, cụ thể:
- Với giả thuyết: tăng trưởng kinh tế không là nguyên nhân của tỷ lệ nợ xấu, tăng trưởng vốn huy động, rủi ro hệ thống, các giá trị Prob < 10%, giả thuyết bị bác bỏ.
- Với giả thuyết: tỷ lệ nợ xấu không là nguyên nhân của tăng trưởng kinh tế, tăng trưởng vốn huy động, rủi ro hệ thống bị bác bỏ do các giá trị Prob < 10%.
- Với giả thuyết: tăng trưởng vốn huy động không là nguyên nhân của tăng trưởng kinh tế, rủi ro hệ thống bị bác bỏ do các giá trị Prob < 10%. Riêng giả thuyết tăng trưởng vốn huy động không là nguyên nhân của tỷ lệ nợ xấu được chấp nhận do Prob > 10%
- Với giả thuyết: rủi ro hệ thống không là nguyên nhân của tỷ lệ nợ xấu bị bác bỏ do giá trị Prob < 10%. Riêng giả thuyết rủi ro hệ thống không là nguyên nhân của tăng trưởng kinh tế , tăng trưởng vốn huy động được chấp nhận do Prob > 10%
Bảng 4.3. Kết quả kiểm định nhân quả Granger
Biến độc lập Biến phụ thuộc
D(GDP) D(NPL) TD PD D(GDP) - 0.000 0.000 0.027 D(NPL) 0.000 - 0.003 0.000 TD 0.000 0.278 - 0.005 PD 0.152 0.000 0.253 -
Ghi chú: các số trong bảng là giá trị xác suất Nguồn: Kết quả trích xuất từ phần mềm Eviews
4.3.4. Kết quả hàm phản ứng đẩy
Sau khi ước lượng mô hình panel VAR, tác giả tiến hành thực hiện các hàm phản ứng đẩy để kiểm định sự tác động của các cú sốc: tăng trưởng kinh tế nóng, nợ xấu bùng phát, gia tăng huy động vốn đột ngột và rủi ro hệ thống thông qua hàm phản ứng đẩy tạo nên cú sốc 1 đơn vị lệch chuẩn các biến D(GDP), D(NPL), TD, PD với thời gian phản ứng 10 giai đoạn (10 năm).
4.3.4.1. Phản ứng của rủi ro hệ thống trước cú sốc tăng trưởng kinh tế
Phản ứng của rủi ro hệ thống trước cú sốc của tăng trưởng kinh tế là tương đối mạnh. Cú sốc tăng trưởng kinh tế không làm tăng rủi ro hệ thống ngay lập tức mà trễ khoảng 2 kỳ và tác động này tăng dần cho đến kỳ thứ 10. Kết quả này tương
đồng với nhiều bằng chứng được tìm thấy ở nhiều nước, cho thấy, sau một thời gian khi GDP tăng với tốc độ cao, chi tiêu trong nền kinh tế gia tăng mạnh kích thích các hoạt động đầu tư lẫn đầu cơ, hệ thống NHTM nới rộng các điều kiện tín dụng, giảm bớt kiểm soát rủi ro để gia tăng thị phần, lợi nhuận, từ đó khiến rủi ro cho hệ thống tăng cao hơn nữa (Hình 4.9).
Hình 4.9. Phản ứng của rủi ro hệ thống trƣớc cú sốc của tăng trƣởng kinh tế
Nguồn: Kết quả trích xuất từ phần mềm Eviews
4.3.4.2. Phản ứng của rủi ro hệ thống trước cú sốc của tỷ lệ nợ xấu
Hình 4.10. Phản ứng của rủi ro hệ thống các NHTM trƣớc cú sốc của tỷ lệ nợ xấu
Hình 4.10 cho thấy rủi ro hệ thống NHTM phản ứng mạnh với tỷ lệ nợ xấu trong 3 kỳ đầu tiên sau sốc. Mức phản ứng sau đó có suy giảm nhưng vẫn lớn hơn 0% ở các giai đoạn sau. Điều này phù hợp với thực tiễn là tỷ lệ nợ xấu tăng sẽ làm các NHTM phải tốn chi phí trích lập dự phòng, giảm lợi nhuận, hiệu quả hoạt động, trong trường hợp xấu nhất làm các NHTM bị âm vốn chủ sở hữu, bắt buộc phải tái cơ cấu hoặc NHNN can thiệp bằng các biện pháp khác nhau. Kết quả này cũng phù hợp với nhiều bằng chứng trên thế giới cho thấy, tỷ lệ nợ xấu cao là một trong những nguyên nhân chính làm gia tăng rủi ro hệ thống các NHTM.
4.3.4.3. Phản ứng của rủi ro hệ thống trước cú sốc của tăng trưởng vốn huy động
Hình 4.11. Phản ứng của rủi ro hệ thống trƣớc cú sốc của tăng trƣởng huy động vốn
Nguồn: Kết quả trích xuất từ phần mềm Eviews
Cú sốc của tăng trưởng vốn huy động có ảnh hưởng đáng kể đến rủi ro hệ thống NHTM trong 2 kỳ đầu tiên với mức phản ứng ngay lập tức. Mức độ ảnh hưởng sau đó suy giảm nhưng vẫn duy trì gần 1% đến kỳ thứ 10 (Hình 4.15). Điều này phù hợp với các lý thuyết trước đó, cho thấy việc gia tăng vốn huy động đột ngột sẽ khuyến khích các ngân hàng tham gia vào các hoạt động rủi ro hơn.
4.3.3.4. Phản ứng của rủi ro hệ thống trước cú sốc của chính nó
Rủi ro hệ thống chịu ảnh hưởng rất mạnh bởi cú sốc của chính nó. Tác động gần như ngay lập tức ở mức rất cao (trên 20%) sau đó giảm dần. Điều này có thể giải thích bằng tác động lây lan của khủng hoảng ngân hàng. Các ngân hàng thường
có mối quan hệ qua lại mật thiết với nhau về mặt tài chính thông qua quan hệ vay mượn và thông qua hệ thống thanh toán bù trừ. Vì thế sự đổ vỡ của một ngân hàng sẽ ngay lập tức ảnh hưởng sang các ngân hàng khác (Hạ Thị Thiều Dao và Phạm Thị Tuyết Trinh, 2014).
Hình 4.12. Phản ứng của rủi ro hệ thống trƣớc cú sốc của chính nó
Nguồn: Kết quả trích xuất từ phần mềm Eviews
Điều này ngày càng được khẳng định trong bối cảnh hội nhập kinh tế sâu sắc như hiện nay. Sự đổ vỡ trong khu vực ngân hàng sẽ tạo ra những tổn thất lớn hơn các ngành nghề kinh doanh khác, bởi vì chỉ cần một ngân hàng phải tuyên bố phá sản, ngay lập tức sẽ tạo sự lo sợ lan trong hệ thống ngân hàng – rủi ro hệ thống. Ranh giới hoạt động của một ngân hàng không chỉ bó gọn trong phạm vi một quốc gia mà nó đã phát triển xuyên biên giới, mở rộng mạng lưới cũng như các mối liên kết ra toàn cầu. Vì thế sự gia tăng rủi ro hệ thống kỳ trước sẽ kéo theo sự gia tăng rủi ro hệ thống trong các giai đoạn sau.
4.3.5. Phân rã phƣơng sai
Bảng 4.4 cho thấy kết quả phân tích phân rã phương sai mô hình panel VAR của biến PD với trật tự Cholesky là D(GDP) D(NPL) TD PD. Kết quả cho thấy, biến động của rủi ro hệ thống chủ yếu được giải thích bởi chính nó; kế đến là tăng trưởng kinh tế, tỷ lệ nợ xấu, thấp nhất là tăng trưởng vốn huy động. Kết quả này đồng nhất với kiểm định nhân quả Granger.
Bảng 4.4. Kết quả phân rã phƣơng sai Kỳ S.E. D(GDP) D(NPL) TD PD 1 22.541 10.392 3.539 0.623 85.447 2 27.167 13.906 8.130 0.822 77.142 3 29.714 12.998 13.444 0.876 72.682 4 30.698 12.367 13.925 1.125 72.583 5 31.147 12.307 13.639 1.542 72.512 6 31.488 12.676 13.659 1.852 71.813 7 31.823 12.916 8.607 7.620 70.856 8 32.055 12.908 8.988 7.804 70.299 9 32.170 12.876 9.156 7.815 70.153 10 32.231 12.881 9.241 7.791 70.087
Nguồn: Kết quả trích xuất từ phần mềm Eviews
KẾT LUẬN CHƢƠNG 4
Các kết quả cho thấy rủi ro hệ thống NHTM trong danh mục quan sát có giá trị không lớn trong giai đoạn nghiên cứu, tuy nhiên khi xem xét từng ngân hàng thì có sự chênh lệch rất lớn về xác suất phá sản từng tổ chức. Điều này chỉ ra khả năng quản trị rủi ro, hoạt động của các ngân hàng là khác nhau. Ngoài ra, các kết quả cũng chỉ ra tỷ lệ tăng trưởng kinh tế, tăng trưởng vốn huy động, tỷ lệ nợ xấu và chính rủi ro của hệ thống ngân hàng thương mại có ảnh hưởng đến rủi ro hệ thống.
CHƢƠNG 5: KẾT LUẬN VÀ GỢI Ý VỀ CHÍNH SÁCH GIỚI THIỆU CHƢƠNG
Thông qua các kết quả trong phần trước, nghiên cứu rút ra các kết luận trả lời cho các câu hỏi nghiên cứu. Theo đó, các kết quả cho thấy rủi ro hệ thống các NHTM tại Việt Nam đo lường bằng phương pháp CCA là không lớn và diễn biến phù hợp trong phạm vi nghiên cứu. Đồng thời, nghiên cứu cũng chỉ ra các nhân tố được chọn có mối quan hệ với rủi ro hệ thống. Dựa trên những kết quả đã đạt được, tác giả kiến nghị cần có cách tiếp cận về chính sách quản lý phù hợp hơn, trên nguyên tắc phải quản lý hiệu quả các nhân tố ảnh hưởng đến rủi ro hệ thống. Các hạn chế và hướng nghiên cứu tiếp theo cũng được xem xét.
5.1. KẾT LUẬN
Thông qua đề tài nghiên cứu về “Các nhân tố tác động đến rủi ro hệ thống các NHTM tại Việt Nam”, tác giả đã phân tích các lý thuyết về rủi ro hệ thống và phương pháp đo lường rủi ro hệ thống, tham khảo kết quả thực nghiệm khác nhau, từ đó tiến hành tính toán trên các NHTM ở Việt Nam, nghiên cứu đã đạt được các mục tiêu của đề tài là:
Về mục tiêu thứ nhất: Làm rõ khái niệm rủi ro hệ thống và làm cách nào để đo lường rủi ro hệ thống. Bài nghiên cứu sử dụng phương pháp CCA, từ đó xác định được rủi ro hệ thống NHTM thông qua xác suất phá sản của các ngân hàng. Kết quả chỉ ra diễn biến rủi ro hệ thống có sự gia tăng trong giai đoạn xảy ra khủng hoảng tài chính toàn cầu và giai đoạn bùng phát nợ xấu, tái cấu trúc hệ thống NHTM, diễn biến phù hợp với thực trạng hoạt động của hệ thống NHTM. Điều này cho thấy phương pháp CCA có sự phù hợp và có khả năng áp dụng trong thực tiễn về đo lường rủi ro hệ thống ở Việt Nam.
So sánh về mức độ rủi ro, bài nghiên cứu chỉ ra về xu hướng, các ngân hàng có mức độ rủi ro cao đã giảm qua các năm, cho thấy các biện pháp tái cấu trúc ngân hàng của NHNN đã có phát huy hiệu quả trên thực tế.
Xét về phân nhóm tăng trưởng tín dụng, kết quả nghiên cứu cho thấy NHNN đã có sự hợp lí nhất định khi phân loại các NHTM thành các nhóm khác nhau theo đánh giá về tình hoạt động, mức độ rủi ro. Cụ thể, mức độ rủi ro của các NHTM nhóm 3 – 4 cao hơn các NHTM nhóm 1 và 2. Xét về tổng thể, rủi ro chung của hệ thống đều nhỏ hơn các nhóm trên, điều này phần nào chỉ ra sự hiệu quả trong công tác quản lý của NHNN.
Xét về cơ cấu sở hữu, nghiên cứu chỉ ra các NHTM nhà nước có mức độ rủi ro thấp hơn các NHTM ngoài nhà nước. Kết quả này phù hợp với thực tế là các NHTM nhà nước với nguồn vốn và các ưu đãi từ Nhà nước có nhiều lợi thế hơn và nhiều nguồn lực để quản trị rủi ro tốt hơn các NHTM ngoài nhà nước.
Về mục tiêu thứ hai: Xác định các nhân tố ảnh hưởng đến rủi ro hệ thống.
Có nhiều nhân tố có thể ảnh hưởng đến rủi ro hệ thống, bài nghiên cứu xác định bốn nhân tố có khả năng ảnh hưởng đển rủi ro hệ thống, bao gồm: tăng trưởng kinh tế, tăng trưởng vốn huy động, tỷ lệ nợ xấu và chính bản thân rủi ro. Bằng các ước lượng và kiểm định của mô hình panel VAR, kết quả chỉ ra các nhân tố trên thực sự có ảnh hưởng đến rủi ro hệ thống.
Về mục tiêu thứ ba: Mức độ tác động của các nhân tố đến rủi ro hệ thống các NHTM tại Việt Nam. Nghiên cứu sử dụng hàm phản ứng đẩy và phân rã phương sai nhằm phân tích phản ứng của rủi ro hệ thống với các cú sốc của các nhân tố. Các kết quả tổng hợp được cho thấy các cú sốc đều gây ra sự biến động lớn cho rủi ro hệ thống. Điều này đồng nghĩa, sự gia tăng đột ngột tốc độ tăng trưởng, tăng trưởng vốn huy động quá nhanh, tăng tỷ lệ nợ xấu và quản trị rủi ro không hiệu quả đều làm gia tăng rủi ro hệ thống.
5.2. GỢI Ý CHÍNH SÁCH
Theo Kaufman và Scott (2003), tính dễ đổ vỡ trong hoạt động ngân hàng cao hơn là các ngành khác vì: (i) Tỷ lệ vốn trên tổng tài sản thấp (tỷ lệ nợ cao); (ii) Tỷ lệ tiền mặt trên tổng tài sản thấp; (iii) Tỷ lệ tiền gửi ngắn hạn trên tổng tiền gửi lớn (khả năng rút vốn đồng loạt sẽ cao). Các đặc điểm cố hữu này không chỉ đem đến