Các nghiên cứu nước ngoài:
Andrew Logan (2001) sửdụng mô hình hồi quy Logit khi nghiên cứu các yếu tố ảnh hưởng đến Cuộc khủng hoảng ngân hàng nhỏ của Anh vào đầu những năm 1990. Với báo cáo này, các chỉ số quan trọng nhất của phá sản trong tương lai là sự phụ thuộc lớn vào thu nhập lãi ròng, khả năng sinh lợi thấp, đòn bẩy thấp, tài sản ngắn hạn thấp so với nợ và tăng trưởng tín dụng thấp . Hầu hết các chỉ số này đều cho thấy các ngân hàng đã thất bại vào giữa năm 1991. Như vậy, không giống như những ngân hàng không phá sản, các ngân hàng sau đó thất bại đã cho thấy một chu kỳ bùng nổ và bứt phá rõ rệt trong tăng trưởng cho vay.
Montgomery H., Tran B. H., Santoso W.,Besar D., (2004) đã sử dụng mô hình hồi quy Logit để xác định nguyên nhân phá sản của các NHTM Nhật Bản và Indonesia trong giai đọan 1997 – 2003. Mô hình này bao gôm 17 biến độc lập, đã chỉ ra tỷ số cho vay trên tổng huy động, tỷ số đòn bẩy VCSH trên trong dư nợ, tỷ số vốn điều lệ trên dư nợ đồng biến với rủi ro, tuy nhiên nghiên cứu này không bao gồm các biến về kinh tế vĩ mô, các yếu tố ảnh hưởng từ bên ngoài.
Halling M., Hayden E. (2006) trong nghiên cứu ‘Bank failure Prediction: A Two-Step Survival Time Approach’ đã sử dụng mô hình hồi quy Logit với 1100 ngân hàng của Áo trong những năm 1995 – 2002, trong đó khoảng 150 ngân hàng phá sản. Nghiên cứu này đã có nhiều sáng tạo khiến cho kết quả nghiên cứu trở nên đáng tin cậy hơn. Thứ nhất, nghiên cứu áp dụng cách tiếp cận thời gian tồn tại - mô hình logit rời rạc với nhiều điểm thời gian tồn tại - cho phép các biến số khác nhau theo thời gian và dữ liệu bị kiểm duyệt theo khoảng thời gian. Thứ ba, sử dụng bộ dữ liệu toàn bộ do Ngân hàng quốc gia Áo cung cấp, bao gồm tất cả các ngân hàng Áo trong giai đoạn 1995-2002 và 50 biến độc lập về các rủi ro vỡ nợ tiềm ẩn khác nhau, trong đó có 17 biến có ý nghĩa thống kê. Hơn nữa, nghiên cứu cũng áp dụng mô hình logit hiện đang được sử dụng trong các thủ tục Phân tích ngoại tại của Ngân hàng Quốc gia Áo.
Kết quả nghiên cứu chỉ ra tỷ số lợi nhuận kinh doanh trên tổng tài sản đồng biến với rủi ro, trong khi tỷ sốchi phí dư phòng nợ xấu của năm trước nghịch biến với rủi ro. Tuy nhiên nghiên cứu này quá lớn và có rất nhiều số liệu được lấy từ nguồn dữ liệu Ngân hàng Quốc gia Áo mà không thể thu thập tại Việt Nam nên nhiều biến không khả thi khi áp dụng vào mô hình nghiên cứu của tác giả. Do đó, trong phần tóm tắt của nghiên cứu này chỉ nêu các biến khả thi thu thập tại Việt Nam.
Andrea M. Maechler, Srobona Mitra, and DeLisle Worrell (2009) đã công bố nghiên cứu thực hiện cho IMF là‘Decomposing Financial Risks and Vulnerabilities in Emerging Europe’(Phân tích những rủi ro tài chính và những điểm yếu tại các nước Châu Âu). Nghiên cứu sử dụng mô hình hồi quy đa biến với biến phụ thuộc là Z-score, để đánh giá ảnh hưởng của rủi ro tín dụng, rủi ro thị trường, rủi ro thanh khoản và kinh tế vĩ mô (lạm phát và tăng trưởng GDP) đến hoạt động của 13 ngân hàng tại khu vực Châu Âu và 8 ngân hàng các nước láng giềng từ năm 1997 đến 2004. Kết quả cho thấy rủi ro tín dụng có ảnh hưởng quan trọng tới sự mất ổn định trong kinh doanh ngân hàng, khi tăng trưởng tín dụng tăng lên, các ngân hàng dễ bị tổn thương hơn. Khi tăng trưởng tín dụng tăng lên, điều quan trọng là đảm bảo giám sát quy mô, nhằm giảm thiểu rủi ro. Các ngân hàng trải qua sự mở rộng tín dụng nhanh trong bối cảnh chính sách tín dụng chặt chẽ hơn thể hiện sự ổn định thấp hơn. Việc trích lập DPRR cao hơn có liên quan đến sự ổn định thấp hơn, vì khả năng sinh lời thấp hơn và sự biến động về lợi nhuận cao hơn. Các ngân hàng ngoài EU10 có xu hướng có mức độ rủi ro cao hơn các ngân hàng trong EU10 do mức vốn hóa tương đối thấp. Không có sự khác biệt đáng kể giữa các hồ sơ rủi ro của ngân hàng lớn hơn và nhỏ hơn, mặc dù sự biến động trở lại của các ngân hàng lớn hơn có xu hướng thấp hơn, cho thấy hiệu quả đa dạng hóa.
Dan J. Jordan, Dr. Douglas Rice, Jacques Sanchez, Christopher Walker, Donald H. Wort (2010) trong nghiên cứu “Predicting Bank Failures: Evidence from 2007 to 2010” (Dự đoán Ngân hàng phá sản: Bằng chứng trong giai đoạn 2007-2010) đã sử dụng mô hình hồi quy đa biến với Z-score là biến phụ thuộc, đưa
ra 9 yếu tố ảnh hưởng đến rủi ro phá sản của 225 Ngân hàng phá sản ở Mỹ trong giai đoạn 2007 đến 2010.
Các kết quả của nghiên cứu này cho thấy mô hình bao gồm các biến được liệt kê có thể dự đoán với 88,2%, 78,6%, 71,4% và 66,0% độ chính xác liệu một ngân hàng sẽ thất bại trong vòng 1 năm, 2 năm, 3 năm hoặc 4 năm.
Yaraslau Taran (2012) đã thực hiện nghiên cứu “What factors can predict that a bank will get introuble during a crisis? Evidence from Ukraine” (Những yếu tố nào dự đoán ngân hàng sẽ gặp khó khăn trong khủng hoảng? Bằng chứng từ Ukraine). Bài nghiên cứu sử dụng dữ liệu ngân hàng cho các giai đoạn khủng hoảng 1997-1998 và 2007-2008 để tìm các yếu tố dự đoán khó khăn ngân hàng trong cả những thời kỳ khủng hoảng tài chính. Bài nghiên cứu chỉ ra 6 yếu tố dựa trên mô hình CAMELảnh hưởng tới xác suất phá sản của ngân hàng là có hay không, với biến phụ thuộc là biến giả.
Mục tiêu của nghiên cứu này là tìm ra các yếu tố có thể dự đoán ngân hàng phá sản trong cả hai cuộc khủng hoảng ngân hàng Ukraine. Nghiên cứu bao gồm một cuộc kiểm tra đầy đủ của các ngân hàng Ukraine trong một số khoảng thời gian trước khi cuộc khủng hoảng. Các kết quả thu được thông qua việc sử dụng mô hình kinh tế lượng logit.
Từ kết quả tính toán, các chỉ số an toàn vốn và thanh khoản được chứng minh là yếu tố dự báo quan trọng trong dự báo. Các ngân hàng có vốn huy động thấp, mức thanh khoản thấp có khả năng thất bại cao trong thời gian khủng hoảng. Các yếu tố khác có ảnh hưởng đến sự thất bại của ngân hàng phụ thuộc vào tình hình kinh tế và thị trường cụ thể. Tại thời điểm nghiên cứu, hệ thống ngân hàng ở Ukraine gần giống với năm 2008 so với năm 1998, do đó tỷ số các khoản tiền gửi bán lẻ trong nợ phải trả là một yếu tố cần xem xét để xác định các ngân hàng đáng tin cậy. Tiền gửi có kỳ hạn của ngân hàng càng cao, ngân hàng càng dễ gặp rủi ro trước cuộc khủng hoảng tài chính. Ý nghĩa của nghiên cứu này đối với các cơ quan có thẩm quyền là phải giữ các quy định chặt chẽ về vốn và thanh khoản để ngăn ngừa thất bại trong tương lai của ngân hàng.
Yong Tan và Christos Floros (2013) thực hiện nghiên cứu “Risk, capital and efficiency in Chinese Banking” (Rủi ro, vốn và hiệu quả tại Ngân hàng Trung Quốc). Nghiên cứu đánh giá mối quan hệ giữa hiệu quả của ngân hàng, rủi ro và vốn đối với một mẫu 101 các NHTM Trung Quốc từ năm 2003-2009, sử dụng ba chỉ số hiệu quả và bốn chỉ số rủi ro theo phương pháp phân tích dữ liệu bảng. Các bằng chứng thực nghiệm cho thấy mối quan hệ giữa rủi ro (DPRR đại diện cho rủi ro tín dụng) và hiệu quả trong ngành ngân hàng Trung Quốc, trong khi mối quan hệ giữa rủi ro (Z-score) và mức vốn hóa là ngược chiều và có ý nghĩa thống kê. Điều này được giải thích bởi thực tế các ngân hàng có mức vốn hóa cao có nhiều khả năng hấp thụ các khoản lỗ lũy kế từ các khoản vay không hiệu quả, từ đó làm giảm rủi ro. Kết quả nghiên cứu còn chỉ ra lợi nhuận trên tổng tài sản (ROA) và quy mô ngân hàng (SIZE) có quan hệ cùng chiều với rủi ro, lạm phát tác động ngược chiều và các biến về thanh khoản lại không tìm thấy tác động có ý nghĩa thống kê.
Tại Nigeria, Unuafe Okaro Kenneth, Afolabi M. Adeniyi(2014) đã thực hiện nghiên cứu “Prediction of Bank Failure Using Camel and Market Information: Comparative Appraisal of Some Selected Banks in Nigeria” (Sử dụng Mô hình CAMEL và thông tin thị trường để dự đoán sự phá sản của Ngân hàng: Đánh giá so sánh một số ngân hàng được lựa chọn ở Nigeria). Bài nghiên cứu sử dụng mô hình CAMEL và mô hình chỉ số Z-Score để đo lường rủi ro phá sản của các ngân hàng tại Nigeria trong khoảng thời gian từ 2006-2010.
Kết quả chỉ ra rằng mô hình của Unuafe O. Kenneth, Afolabi M. Adeniyi (2014) đã dự đoán chính xác 95% trong số 11 ngân hàng phá sản được tiến hành nghiên cứu. Tuy nhiên mẫu phân tích quá nhỏ và phương pháp nghiên cứu hoàn toàn dựa vào kết quả mô hình Z-Score của Altman, không mang tính đặc thù riêng. Ngoài ra bài phân tích hoàn toàn tính toán dựa trên mô hình có sẵn mà không tiến hành phân tích hồi quy để tìm ra sự ảnh hưởng thật sự tại Nigeria của các yếu tố.
Ta có thể thấy, trong các bài nghiên cứu trên, các phương pháp như phân tích CAMEL, phân tích hồi quy Logit, Z-Score và phân tích hồi quy đa biến dựa trên biến phụ thuộc Z-Score là một trong những mô hình có tính phổ biến cao trong việc
dự đoán nguy cơ phá sản của các doanh nghiệp nói chung và NHTM nói riêng ở các nước trên thế giới.
Tuy nhiên, các tài liệu nói trên là đều xuất phát từ các nước có nền kinh tế có sự phát triển khác nhau Mỹ, Isarel, Nigeria, Ghana, Ukaine, Trung Quốc…, nên không gắn với thực tiễn Việt Nam.
Các nghiên cứu tại Việt Nam:
Nguyễn Thanh Dương (2013) trong “Phân tích rủi ro trong hoạt động ngân hàng” đã đề cập đến rủi ro ngân hàng dưới giác độ tổng các rủi ro, bao gồm rủi ro thanh khoản, rủi ro lãi suất, rủi ro tín dụng,… Chỉ tiêu rủi ro là Z-Score theo Cihak và Hess (2008), được xác định dựa trên 7 chỉ tiêu để xác định rủi ro ngân hàng. Sử dụng mô hình hồi quy tuyến tính đa biến, phương pháp bình phương nhỏ nhất OLS, kết quả nghiên cứu cho thấy có 4 biến có ý nghĩa thống kê bao gồm NIR, LLP, LDR, LEV. Tuy nhiên, nghiên cứu tập trung vào các biến nội bộ trong ngân hàng mà chưa có các biến liên quan đến kinh tế vĩ mô như tăng trưởng kinh tế hay lạm phát, trong khi các biến này rất dễ thu thập số liệu và rất có thể có ảnh hưởng đến các rủi ro của NHTM.
Nguyễn Hữu Thạch (2015) thực hiện nghiên cứu “Ảnh hưởng của rủi ro tài chính đến khả năng phá sản các NHTM Việt Nam”. Nghiên cứu đã chỉ ra các yếu tố thuộc về rủi ro tài chính ảnh hưởng đến rủi ro phá sản, các yếu tố này được xác định dựa trên lý thuyết về rủi ro của NHTM, ảnh hưởng lên biến phụ thuộc là Z-score theo mô hình Roy (1952). Nghiên cứu chỉ ra các biến về rủi ro tín dụng, rủi ro lạm phát và thanh khoản đều có ảnh hưởng tới rủi ro phá sản, và trong khoảng thời gian nghiên cứu, lạm phát và tăng trưởng kinh tế có tác động giảm thiểu rủi ro. Tuy nhiên, nghiên cứu chưa nêu rõ về định nghĩa và các mô hình nghiên cứu rủi ro phá sản NHTM, biến phụ thuộc được tính theo giá trị trung bình nhưng các biến độc lập lại tính theo giá trị tuyệt đối tại thời điểm cuối năm nên chưa thực sự phù hợp.
Phan Thị Nhi Khánh (2016) thực hiện nghiên cứu “Yếu tố tác động đến rủi ro phá sản của các NHTM Việt Nam”. Tương tự như nghiên cứu của Nguyễn Hữu Thạch (2015), nghiên cứu này xác định các yếu tố tác động đến rủi ro phá sản được
xác định dựa trên lý thuyết về rủi ro của NHTM, biến phụ thuộc là Z-score theo mô hìnhCihak & Hesse (2008). Theo đó, các biến về lợi nhuận ROA, cấu trúc vốn như VCSH/ tổng tài sản có tác động nghịch chiều với rủi ro và có tác động lớn nhất, các biến về rủi ro thanh khoản có tác động ít hoặc không tác động, về vĩ mô thì chỉ có GDP có tác động cùng chiều với rủi ro còn lạm phát không có tác động. Tuy nhiên, bài nghiên cứu không nêu ra định nghĩa về rủi ro phá sản NHTM, đồng thời các biến độc lập có nhiều biến giống nhau về bản chất như ROE, ROA, đặc biệt ROA lại là yếu tố quan trọng nhất cấu thành nên Z-Score, cho nên các biến này không nên đưa vào nghiên cứu. Ngoài ra, biến phụ thuộc được tính theo giá trị trung bình nhưng các biến độc lập lại tính theo giá trị tuyệt đối tại thời điểm cuối năm nên chưa thực sự phù hợp.
Bảng 2.1: Tóm tắt các nghiên cứu về các yếu tố ảnh hưởng đến rủi ro phá sản của NHTM
Tác giả Mô hình Phạm vi Tên biến Kết
quả Andrew
Logan (2001)
Logit Anh, 1990- 1994
DEPC: Quy mô của mười tiền gửi lớn nhất thể hiện dưới dạng tỷ lệ phần trăm của tổng tiền gửi
+
LEV = VCSH/tổng nguồn vốn -
LG90: Tăng trưởng cho vay cho khu vực tư nhân trong năm 1990 đến quý thứ hai
+
PROFPR= Lợi nhuận (trừ thuế và các khoản dự phòng) thu được trong năm qua/tổng tài sản.
+
SIZE: tổng tài sản -
STED = (Tổng tài sản có kỳ hạn còn lại dưới 8 ngày trừ đi tổng số nợ phải thu trong cùng một khoảng thời gian)/tổng tài sản.
+
TA90: Tăng trưởng tổng tài sản trong năm đến quý II của năm 1990 trừ đi sự tăng trưởng tổng tài sản trong năm đến quý II năm 1989
Tác giả Mô hình Phạm vi Tên biến Kết quả Montgomery H., Tran B. H., Santoso W.,Besar D.,(2004) Logit Nhật Bản và Indonesia 1997 – 2003 ETA = VCSH/Tổng Tài sản +
CaD = VCSH/Tổng tiền gửi +
LtE = Tổng dư nợ/VCSH +
ROE = Thu nhập/VCSH +
ERA = VCSH/(Tài sản - Tiền mặt - Tiền gửi không kỳ hạn tại NHTW
- Trái phiếu Chính Phủ)
+
STA = Chứng khoán/Tổng tài sản +
NPL = nợ xấu/tổng dư nợ + Halling M., Hayden E. (2006) Logit Áo, 1995 – 2002 Nợ xấu/Tổng dư nợ + Tốc độ tăng của DPRR tín dụng + Chi phí DPRR tín dụng/Tổng dư nợ - Tốc độ tăng của tổng tài sản +
ROE = Lợi nhuận/VCSH -
Thu nhập ròng/Tổng số nhân viên -
Andrea M. Maechler, Srobona Mitra, and DeLisle Worrell (2009) hồi quy đa biến với biến phụ thuộc là Z-score khu vực Châu Âu và 8 ngân hàng các nước láng giềng (EU10+S8) 1997 - 2004
Prov = DPRR tín dụng/doanh thu thuần +
Cg = Tỷ lệ tăng trưởng tổng dư nợ -
Sd_exchg = Độ lệch chuẩn của sự thay đổi tỷ giá hàng tháng
-
Liq = tài sản ngắn hạn/nguồn vốn ngắn hạn +
Fodlta: biến giả các ngân hàng có > 50% vốn nước ngoài
+
Credgdp = Tín dụng khu vực tư nhân/GDP -
Topen = (Xuất khẩu + Nhập khẩu)/GDP +
Infl: Lạm phát + Dan J. Jordan, Dr. Douglas Rice, Jacques hồi quy đa biến với biến phụ Mỹ, 2007 - 2010
Tỷ số thu nhập ngoài lãi/thu nhập từ lãi +
Tỷ số tài sản không sinh lãi/tổng tài sản +
Tỷ số thu nhập từ lãi/tài sản sinh lãi +
Tác giả Mô hình Phạm vi Tên biến Kết quả Sanchez, Christopher Walker, Donald H. Wort (2010) thuộc là Z-score
Biến giả Tập đoàn ngân hàng (bank holding company)
+
Biến giả Ngân hàng tiết kiệm (Savings Bank) -
Biến giả Ngân hàng thuộc vùng MSA (Vùng thống kê đô thị - Metropolitan Statistical Areas)
+
Tỷ số chi phí dự phòng nợ xấu/tổng dư nợ tín dụng
+
Tỷ số cho vay bất động sản/tổng tài sản +