3.1.2.1 Biến phụ thu c hả năng thanh hoản (LQD)
LQD =
Biến sử dụng đo lƣ ng hả năng th nh hoản (LQD) đo lƣ ng bằng t lệ tài sản th nh hoản trên tổng tài sản, đ y là cách đo lƣ ng phổ biến nhất, cung cấp một thông tin chung về hả năng th nh hoản củ ng n hàng, t số này c o cho thấy hả năng th nh hoản củ ng n hàng tốt, tuy nhiên nếu chỉ số này quá c o cũng hông phải là một dấu hiệu tốt đối với ng n hàng, vì ng n hàng phải chịu một chi phí cơ hội c o, ng n hàng giảm thiểu đƣợc rủi ro nhƣng hiệu quả hoạt động hông c o.
3.1.2.2 Các biến đ c lập
Biến thể hiện các yếu tố nội sinh
Biến thể hiện quy mô tuyệt đối
SIZE: Biến thể hiện quy mô tuyệt đối đƣợc đo bằng log rit cơ số 10 củ
Tổng tài sảnn = Tổng tài sản0 x (1+ Lạm phát)n
Log (Tổng tài sảnn) = n x Log (Tổng tài sản0 x (1+ Lạm phát)) Biến thể hiện vốn chủ sở hữu
CAP: t lệ vốn chủ sở hữu đƣợc đo lƣ ng bằng vốn chủ sở hữu chi cho tổng tài sản, t số này để hiện tình trạng n toàn vốn và sức mạnh tài chính củ một ng n hàng. Một t lệ chỉ số này thấp chứng tỏ ng n hàng sử dụng nhiều đ n bẩy tài chính dẫn đến hả năng rủi ro c o, c thể làm giảm lợi nhuận ng n hàng hi chi phí sử dụng vốn giảm. Nghiên cứu về yếu tố này c nghĩ c o đối với th nh hoản.
Biến thể hiện lợi nhuận
ROA: Lợi nhuận củ ng n hàng thƣ ng đƣợc đo lƣ ng bằng h i chỉ số ROA
và ROE trong các nghiên cứu thực nghiệm. Trong đ , ROA thể hiện hả năng củ ng n hàng trong việc sử dụng tài sản củ mình để tạo r lợi nhuận, ROE phản ánh mức thu nhập r ng trên vốn cổ đông, là một thƣớc đo đ n bẩy tài chính. Biến phụ thuộc đƣợc tác giả lự chọn để đại diện cho hả năng sinh l i là ROA – hả năng sinh l i trên tổng tài sản bình qu n. Nhƣ đ ph n tích ở trên, ROA là một chỉ số tài chính đƣợc sử dụng phổ biến trong ph n tích hả năng sinh l i củ NHTM vì những ƣu điểm củ n .
Biến thể hiện dự phòng rủi ro tín dụng:
LLD: Biến dự ph ng rủi ro tín dụng đƣợc đo lƣ ng bằng dự ph ng rủi ro tín
dụng trên tổng giá trị các hoản cho v y (Delech t và các cộng sự (2012)). Dự ph ng đƣợc tính dự trên nợ xấu nh m 3, nh m 4, và nh m 5 theo quy định củ NHNN, do đ t lệ này càng lớn thể hiện rủi ro tín dụng càng c o.
Biến thể hiện lãi suất biên:
IRM: L i suất biên là chênh lệch l i suất cho v y và l i suất tiền gửi củ
ngân hàng. Lãi suất là yếu tố qu n trọng để hách hàng đƣ r các quyết định gửi tiền và đi v y, ảnh hƣởng trực tiếp đến d ng tiền vào và r củ ng n hàng, vì vậy tác động đến th nh hoản ng n hàng.
Biến thể hiện các yếu tố ngoại sinh
Tăng trƣởng inh tế (GDP) và tỉ lệ lạm phát (INF) là h i biến đại diện cho đặc điểm nền inh tế củ Việt N m. Vì gi i đoạn 2008 – 2016 là gi i đoạn nền inh tế Việt N m c nhiều biến động do quá trình hội nhập và ảnh hƣởng bởi hủng hoảng inh tế thế giới, nên tăng trƣởng inh tế và lạm phát mất ổn định, ảnh hƣởng đáng ể đến hoạt động củ các ng n hàng.
3.2 GIẢ THUYẾT NGHIÊN CỨU
Giả thuyết H1: Biến quy mô (SIZE) đƣợc ỳ vọng c tác động ngƣợc chiều
với th nh hoản (LQD). Trong điều iện nền inh tế Việt N m, các ng n hàng quy mô lớn c sở hữu bởi nhà nƣớc với uy tín củ mình giảm phần dự trữ các tài sản c tính th nh hoản c o nhƣng hả năng sinh l i thấp để tập trung vốn vào inh do nh gi tăng lợi nhuận, trong trƣ ng hợp thiếu th nh hoản c thể dự vào nguồn vốn v y từ thị trƣ ng liên ng n hàng h y từ NHNN, điều này tiềm ẩn nhiều rủi ro về th nh hoản.
Giả thuyết H2: Biến t lệ vốn chủ sở hữu trên tổng tài sản (CAP) đƣợc ỳ
vọng sẽ c tƣơng qu n m với th nh hoản (LQD). Tƣơng tự nhƣ lợi thế về quy mô, những ng n hàng c t lệ vốn chủ sở hữu c o với uy tín, thƣơng hiệu tốt trên thị trƣ ng cùng với nguồn vốn chủ sở hữu c o tạo đƣợc niềm tin từ phí hách hàng, từ đ c thể giảm chi phí huy động, tạo nguồn cung th nh hoản tốt từ thị trƣ ng liên ng n hàng hoặc các nghiệp vụ với NHNN trên thị trƣ ng mở. Vì thế các ng n hàng c thể đẩy mạnh nguồn vốn inh do nh mà giảm phần dự trữ các tài sản th nh hoản. Ngƣợc lại những ng n hàng nhỏ các ng n hàng c t lệ vốn chủ sở hữu thấp buộc phải duy trì một t lệ th nh hoản c o để đảm bảo hả năng thanh toán.
Giả thuyết H3: Biến t lệ lợi nhuận trên tổng tài sản (ROA) đƣợc ỳ vọng c
tác động cùng chiều với th nh hoản (LQD). Khi ng n hàng c lợi nhuận r ng lớn, mà lợi nhuận r ng phần lớn là từ thu nhập l i củ hoạt động tín dụng, hi các ng n hàng đẩy mạnh cho v y thì cũng phải gi tăng dự trữ th nh hoản để đảm bảo hả
năng th nh toán hi cần thiết và đáp ứng những quy định về đảm bảo n toàn củ NHNN.
Giả thuyết H4: Biến dự ph ng rủi ro tín dụng (LLD) đƣợc ì vọng tƣơng
qu n dƣơng đến th nh hoản, tình hình hoạt động tín dụng củ các ng n hàng th i gi n gần đ y vấn đề nợ xấu vẫn c n là vấn đề đáng lƣu t m, mức độ trích lập dự ph ng tăng c o thì ng n hàng c dự trữ nguồn th nh hoản củ ng n hàng c o.
Giả thuyết H5: Biến l i suất biên đƣợc ỳ vọng sẽ c mối tƣơng qu n m
với th nh hoản củ ng n hàng. Khi l i suất biên tăng, lợi nhuận ng n hàng tăng ích thích ng n hàng cho v y nhiều hơn, hi đ nguồn dự trữ th nh hoản giảm.
Giả thuyết H6: Biến tăng trƣởng inh tế đƣợc ỳ vọng tác động ngƣợc chiều
với th nh hoản (LQD). Vì trong một nền inh tế phát triển, ng n hàng c xu hƣớng cho v y và đầu tƣ nhiều hơn, vì vậy dự trữ th nh hoản giảm.
Giả thuyết H7: Biến lạm phát đƣợc ỳ vọng tác động cùng chiều với th nh
hoản (LQD). Trong một nền inh tế lạm phát c o, các đơn vị inh tế b o gồm cả ng n hàng sẽ hạn chế các hoản đầu tƣ do sự suy giảm giá trị thực củ tài sản, vì vậy tài sản đƣợc tích trữ càng nhiều làm tăng nguồn th nh hoản cho ng n hàng.
Bảng 3.1: Tóm tắt và kỳ vọng về dấu các biến sử dụng trong mô hình Biến
nghiên cứu
Mô tả Các nghiên cứu đã sử dụng
Kỳ vọng dấu của biến trong mô hình Biến phụ thuộc LQD T lệ tài sản th nh hoản trên tổng tài
sản
Oriol Aspachs, Erlend Nier và Muriel Tiesset (2005), Pavla Vodova (2013), Muhammad Farhan Malik và Amir Rafique (2013), Belete Fola (2015), Delechat và các cộng sự (2012), V ll và S es- Escorbiac (2006), Bunda và Desquilbet (2008), Nguyễn Thị Mỹ Linh (2016), Th n Thị Thu Thủy và Nguyễn Thị Th nh Dung (2016), Vũ Thị Hồng (2015)
Biến độc lâp
SIZE
Quy mô ngân hàng bằng log rit cơ số 10 củ tổng tài sản
Oriol Aspachs, Erlend Nier và Muriel Tiesset (2005), Pavla Vodova (2013), Muhammad Farhan Malik và Amir Rafique (2013), Diana Teixera (2013), Belete Fola (2015), Delech t và các cộng sự (2012), Valla và Saes-Escorbiac (2006), Bunda và Desquilbet
(2008), R uch et l. (2010), Đặng Văn D n (2015), Nguyễn Thị Mỹ Linh (2016), Th n Thị Thu Thủy và Nguyễn Thị Th nh Dung (2016), Bùi Nguyên Khá (2016)
CAP
T lệ vốn chủ sở hữu trên tổng tài
sản
Pavla Vodova (2013), Muhammad Farhan Malik và Amir Rafique (2013), Diana Teixera (2013), Belete Fola (2015), Delechat và các cộng sự (2012), Bund và Desquilbet (2008), Trƣơng Qu ng Thông và Phạm Minh Tiến (2014), Đặng Văn D n (2015), Nguyễn Thị Mỹ Linh (2016), Th n Thị Thu Thủy và Nguyễn Thị Th nh Dung (2016), Vũ Thị Hồng (2015), Trần Hoàng Ng n và Phạm Quốc Việt (2016)
-
ROA
T lệ lợi nhuận s u thuế trên tổng tài
sản
Oriol Aspachs, Erlend Nier và Muriel Tiesset (2005), Diana Teixera (2013), Belete Fola (2015), Delech t và các cộng sự (2012), Valla và Saes-Escorbiac (2006), Bunda và Desquilbet (2008), Rauch et l. (2010), Đặng Văn D n (2015), Nguyễn Thị Mỹ Linh (2016), Th n Thị Thu Thủy và Nguyễn Thị Thanh Dung (2016), Bùi Nguyên
Khá (2016), Trần Hoàng Ng n và Phạm Quốc Việt (2016) LLD T lệ dự ph ng rủi ro tín dụng trên tổng dƣ nợ cho v y
Lucchetta (2007), Diana Teixera (2013), Delech t và các cộng sự (2012), Trƣ ng Qu ng Thông và Phạm Minh Tiến (2014), Vũ Thị Hồng (2015), Nguyễn Thị Mỹ Linh (2016) + IRM Chênh lệch l i suất cho v y và l i suất huy động
Pavla Vodova (2013), Belete Fola (2015), Delech t và các cộng sự (2012), Nguyễn Thị Mỹ Linh (2016) - GDP Tốc độ tăng trƣởng inh tế
Oriol Aspachs, Erlend Nier và Muriel Tiesset (2005), Pavla Vodova (2013), Diana Teixera (2013), Belete Fola (2015), Delech t và các cộng sự (2012), Valla và Saes-Escorbiac (2006), Bunda và Desquilbet (2008), Trƣơng Qu ng Thông và Phạm Minh Tiến (2014), Đặng Văn D n (2015)
-
INF Lạm phát
Pavla Vodova (2013), Muhammad Farhan Malik và Amir Rafique (2013), Belete Fola (2015), Delech t và các cộng sự (2012), Bunda và Desquilbet (2008),
Trƣơng Qu ng Thông và Phạm Minh Tiến (2014), Đặng Văn D n (2015)
Dấu + (-) thể hiện tác động cùng (ngƣợc) chiều đến chỉ số th nh hoản LQD
Nguồn: tác giả tổng hợp
3.3 THU THẬP VÀ XỬ LÝ DỮ LIỆU
Nghiên cứu tiến hành ƣớc lƣợng hồi quy dữ liệu bảng. Dữ liệu phục vụ nghiên cứu gồm 25 NHTM Việt N m. Nguồn số liệu đƣợc thu thập từ các báo cáo tài chính hàng năm trong gi i đoạn 2008-2016 củ 25 NHTM Việt N m. Các chỉ số đƣợc sử dụng trong nghiên cứu đo lƣ ng các biến củ mô hình là dữ liệu thứ cấp đƣợc tính toán từ các báo cáo tài chính và báo cáo thƣ ng niên mỗi năm củ các NHTM. Riêng số liệu tình hình inh tế vĩ mô mỗi năm đƣợc lấy từ ADB và Tổng cục thống ê Việt N m. Cơ sở củ việc lự chọn NHTM đƣợc trình bày nhƣ s u:
- NHTM trong mẫu nghiên cứu hông c hiện tƣợng hông phải những ng n hàng nƣớc ngoài và những ng n hàng liên do nh giữ Việt N m và các nƣớc tính đến th i điểm hiện n y.
- Số liệu về các biến đo lƣ ng (biến phụ thuộc, biến độc lập) phải đƣợc công bố minh bạch và đầy đủ nhất theo từng năm trong gi i đoạn 2008-2016.
Nguyên nh n loại bỏ một số ng n hàng r hỏi mẫu nghiên cứu là do một số c n nhắc s u:
- Số liệu về các biến đo lƣ ng củ những ng n hàng nƣớc ngoài và những ng n hàng liên do nh thƣ ng hông đƣợc công bố rộng r i, cấu trúc củ các ng n hàng thƣ ng chịu ảnh hƣởng từ các ng n hàng mẹ ở nƣớc ngoài, cách thức hoạt động và tổ chức cũng hông đồng đều với các ng n hàng trong nƣớc. Sự hác biệt này c thể dẫn đến s i lệch ết quả nghiên cứu.
- Số liệu các biến đo lƣ ng hông đầy đủ củ các NHTM sẽ làm cho mẫu bị thiếu và sẽ làm s i lệch ết quả củ nghiên cứu.
3.4 PHƢƠNG PHÁP NGHIÊN CỨU VÀ CÁC KIỂM ĐỊNH THỰC HIỆN 3.4.1 Ƣu điểm của sử dụng dữ liệu bảng 3.4.1 Ƣu điểm của sử dụng dữ liệu bảng
Nghiên cứu này sử dụng phƣơng pháp nghiên cứu định lƣợng. Dữ liệu đƣợc trình bày theo dạng bảng cân bằng (balance panel data).
Dữ liệu bảng (panel data) là dữ liệu kết hợp dữ liệu theo không gian (cross – section, tức là giá trị của các biến đƣợc thu thập cho một đơn vị mẫu tại cùng một th i điểm) và dữ liệu theo chuỗi th i gian (time series, tức là giá trị của các biến đƣợc quan sát theo th i gian). Dữ liệu bảng khác với dữ liệu chéo gộp chung bởi vì dữ liệu chéo gộp chung gộp những quan sát trong nhiều năm nhƣng chỉ là các quan sát dữ liệu thuần túy và bỏ qua yếu tố th i gian. Việc kết hợp hai loại dữ liệu có nhiều thuận lợi trong phân tích các mối quan hệ kinh tế, đặc biệt khi muốn quan sát, phân tích sự biến động củ các đối tƣợng nghiên cứu sau các biến cố hay theo th i gi n, cũng nhƣ ph n tích sự khác biệt giữ các nh m đối tƣợng nghiên cứu. Có hai loại dữ liệu bảng: dữ liệu bảng cân bằng (balaned panels) và dữ liệu bảng không cân bằng (unbalaned panels). Dữ liệu bảng cân bằng hi các đơn vị chéo có cùng số quan sát theo th i gian, dữ liệu bảng không cân bằng hi các đơn vị chéo không có cùng số quan sát theo th i gian. Trong luận văn này, tác giả sử dụng dữ liệu bảng cân bằng theo chuỗi th i gi n (năm). Việc nghiên cứu các mô hình với dữ liệu bảng có những ƣu điểm theo Baltagi (2008):
Nh kết hợp dữ liệu chuỗi th i gian của các ngân hàng khác nhau, dữ liệu bảng sẽ chứa nhiều thông tin hữu ích hơn, tính biến thiên nhiều hơn, giảm hiện tƣợng đ cộng tuyến giữa các biến, tăng số quan sát - từ đ tăng số bậc tự do, và có thể đem lại ƣớc lƣợng vững, hiệu quả và không chệch.
Dữ liệu bảng c liên qu n đến nhiều ng n hàng theo th i gian, mỗi ng n hàng dựa trên dữ liệu bảng có thể tính đến sự hông đồng nhất này, cho phép kiểm soát
sự khác biệt hông qu n sát đƣợc giữa các thực thể, ví dụ nhƣ hả năng quản lý, triết inh do nh, văn hoá, hoáng sản... giữa các doanh nghiệp.
Nhƣ vậy, nh những lợi thế trên, việc sử dụng dữ liệu bảng trong các mô hình nghiên cứu của luận văn đƣợc kỳ vọng có thể đem lại hiệu quả c o hơn so với phân tích dữ liệu chéo hay dữ liệu chuỗi th i gian.
3.4.2 Kiểm soát các khuyết tật vi phạm các giả thuyết của mô hình
Theo giả thiết cổ điển định lƣợng, các hiện tƣợng đ cộng tuyến, phƣơng s i th y đổi, tự tƣơng qu n và nội sinh c thể ảnh hƣởng đến độ tin cậy củ ƣớc lƣợng. Do đ cần thiết phải iểm soát các yếu tố này nhằm đảm bảo ết quả thực nghiệm tin cậy.
iể soát ph ng sai của sai số hông đổi
Phƣơng s i th y đổi nghĩ là phƣơng s i của các phần dƣ là hông phải hằng số, nghĩ là chúng hác nh u ở các qu n sát hác nh u. Điều này sẽ dẫn đến vấn đề nếu các phƣơng s i hông bằng nh u thì độ tin cậy tƣơng đối của mỗi quan sát (dữ liệu) sẽ không bằng nh u. Phƣơng s i càng lớn thì mức độ quan trọng gán cho quan sát càng nhỏ. Vấn đề sẽ r ràng hơn hi giá trị củ phƣơng s i c mối quan hệ với một hoặc một số biến giải thích. Điều này vi phạm giả định rằng các phân phối của phần dƣ phải hông c tƣơng quan với bất kì biến giải thích nào.
Hiện tƣợng phƣơng s i th y đổi sẽ dẫn đến một số hậu quả nhƣ: các ƣớc lƣợng OLS vẫn là không chệch nhƣng hông c n hiệu quả nữ , ƣớc lƣợng củ các phƣơng sai sẽ bị chệch, nhƣ vậy sẽ làm mất hiệu lực của kiểm định hệ số hồi quy.
Trong quá trình hồi quy, tác giả sử dụng phƣơng pháp Greene (2000) trên dữ liệu bảng để kiểm tr xem mô hình đ vi phạm giả thiết hồi quy - hiện tƣợng phƣơng s i th y đổi.
iể soát hông c sự t ng quan giữa các phần d
Tự tƣơng qu n là sự tƣơng qu n giữa các thành phần của chuỗi các quan sát đƣợc sắp xếp theo thứ tự th i gian trong các số liệu chuỗi th i gian, hoặc sắp xếp theo thứ tự hông gi n, đối với các số liệu theo không gian.