Để kiểm định các yếu tố tác động đến bất ổn tài chính được đo lường bằg Z-score của ngân hàng, luận văn kế thừa các nghiên cứu trước để phát triển mô hình thực nghiệm như sau:
Trong đó:
lnZscore là logarit tự nhiên của chỉ số Z-score được tính toán ở bước 1.
là vector các yếu tố nội tại của ngân hàng, đại diện cho sức khỏe tài chính, quy
mô và đặc điểm của các ngân hàng.
là vector các yếu tố vĩ mô thể hiện tình hình của nền kinh tế.
Căn cứ vào khung lý thuyết và bằng chứng thực nghiệm, các yếu tố nội tại được lựa chọn từ hệ thống đánh giá CAMELS. Theo Rostami (2015), mô hình CAMELS là một công cụ rất hiệu quả và chính xác được sử dụng như một phương pháp đánh giá hiệu suất hoạt động của ngành ngân hàng cũng như dự báo tương đối các rủi ro trong tương lai. CAMELS là viết tắt của 5 thành phần: Capital adequacy (hệ số an toàn vốn), Asset quality (chất lượng tài sản), Management quality (năng lực quản lý), Earning ability (hiệu quả sinh lợi), Liquidity ability (khả năng thanh khoản) và Sensitivity to market risk (độ nhạy cảm với rủi ro thị trường). Có nhiều chỉ số tài chính có thể sử dụng để đánh giá các thành phần của CAMELS, tuy nhiên luận văn chọn lựa các chỉ số quan trọng và có khả năng tính toán dựa trên thực trạng số liệu thu thập được để đại diện. Cụ thể như sau:
EQTA là vốn chủ sở hữu bình quân trên tổng tài sản bình quân, đại diện cho yếu tố về vốn (C).
LOAN là tỷ lệ cho vay, được tính bằng tổng dư nợ cho vay khách hàng trên tổng tài sản, đại diện cho yếu tố chất lượng tài sản (A).
CIR là tỷ lệ chi phí hoạt động trên thu nhập hoạt động ròng. Thu nhập hoạt động ròng là thu nhập lãi thuần + Lãi/lỗ thuần từ hoạt động dịch vụ, kinh doanh ngoại hối, kinh doanh chứng khoán, từ hoạt động khác + Thu nhập từ góp vốn, mua cổ phần. CIR đại diện cho yếu tố về quản lý (M).
ROE là tỷ suất sinh lời trên vốn chủ sở hữu, được tính bằng lợi nhuận sau thuế trên nguồn vốn chủ sở hữu, đại diện cho yếu tố về khả năng sinh lời (E).
LTD là tỷ lệ cho vay khách hàng trên tổng tiền gửi của khách hàng, đại diện cho yếu tố khả năng thanh khoản (L).
LLP là tỷ lệ dự phòng rủi ro, được tính bằng tỷ lệ dự phòng rủi ro cho vay trên tổng dư nợ cho vay khách hàng, đại diện cho yếu tố độ nhạy cảm với rủi ro thị trường (S).
BANKSIZE là quy mô ngân hàng, được tính bằng logarit tự nhiên của tổng tài sản. Với thực trạng hệ thống NHTM Việt Nam có quy mô các ngân hàng chưa đồng đều, biến này được đưa thêm vào mô hình để kiểm định liệu quy mô ngân hàng liệu có ảnh hưởng đến độ bất ổn tài chính của ngân hàng không.
Các biến vĩ mô thể hiện tình hình của nền kinh tế: GDP là tốc độ tăng trưởng kinh tế.
INF là tỷ lệ lạm phát.
SVOL là biến động của thị trường chứng khoán, được tính bằng độ lệch chuẩn của tỷ suất sinh lời VNINDEX.
Trong đó các biến EQTA, LTD, LLP, CIR, ROE là các biến nội tại của ngân hàng được hồi quy ở độ trễ là 1 với lập luận trên giả định các biến này không có tác động đến độ bất ổn tài chính của ngân hàng ở cùng một thời điểm do đặc thù của số liệu kế toán, phải có độ trễ nhất định để các nhà quản trị ngân hàng thay đổi quyết định.
Kết quả hồi quy sẽ cho ta kết quả thực nghiệm về các yếu tố tài chính của ngân hàng góp phần tăng tính ổn định, cũng như các yếu tố làm cho sức khỏe của các Ngân hàng thương mại yếu đi. Đồng thời cho biết liệu rằng môi trường vĩ mô thời gian qua có làm gia tăng tính bất ổn của các Ngân hàng thương mại hay không.
Nghiên cứu thực hiện hồi quy phương trình (2) bằng phương pháp GMM cho dữ liệu bảng. Phương pháp GMM là phương pháp cải tiến của Arellano & Bond (1991) và Blundell & Bond (1998) được sử dụng phổ biến trong các ước lượng dữ liệu bảng động tuyến tính hoặc các dữ liệu bảng vi phạm tính chất HAC (heteroskedasticity and autocorrelation- phương sai thay đổi và tự tương quan). Khi đó các ước lượng tuyến tính cổ điển của mô hình dữ liệu bảng như FE (fixed effects), RE (random effects), LSDV (least squares dummy variable) sẽ không còn là ước lượng hiệu quả, tin cậy.
Phương pháp GMM là phương pháp thích hợp với nghiên cứu này vì:
+ Dữ liệu bảng có T nhỏ (8 năm), N lớn (25 ngân hàng), nghĩa là ít mốc thời gian nhưng có nhiều quan sát.
+ Tồn tại mối quan hệ tuyến tính giữa biến phụ thuộc với các biến giải thích.
+ Mô hình động với một hoặc 2 vế của phương trình có chứa biến trễ. (Lúc này các ước lượng bảng tĩnh không cho phép tạo ra các biến đại diện từ chính các biến trong mô hình)
+ Các biến độc lập không phải là biến ngoại sinh ngặt (strictly extrogenous), nghĩa là có tương quan với phần dư; hoặc tồn tại biến nội sinh (endogenous variable) trong mô hình.
+ Tồn tại các tác động cố định riêng rẽ.
+ Tồn tại phương sai thay đổi hoặc tự tương quan của sai số.
Dữ liệu bảng của nghiên cứu được thu thập dựa trên 25 ngân hàng và 8 năm quan sát; biến phụ thuộc Z-score đại diện cho độ bất ổn tài chính của ngân hàng có thể phụ thuộc vào chính biến Z-score của năm trước nên biến trễ của biến phụ thuộc được sử dụng như 1 biến độc lập trong mô hình; có mối quan hệ tương hỗ giữa các biến độc lập và phụ thuộc, chẳng hạn như mối quan hệ tương hỗ giữa biến ROE và biến Z-score. Giả sử tổng vốn chủ sở hữu không đổi, thay đổi lợi nhuận sau thuế làm cho ROA thay đổi và chỉ số Z-score tính theo ROA cũng thay đổi, ngược lại khi Z-score tăng hay giảm nghĩa là độ bất ổn tài chính của ngân hàng tăng hay giảm sẽ ảnh hưởng đến hoạt động của ngân hàng và ảnh hưởng đến chỉ số ROE. Do dữ liệu bảng của nghiên cứu có những tính chất này nên việc sử dụng phương pháp GMM là phù hợp và có thể khắc phục hiện tượng nội sinh mà mô hình tiềm ẩn.
Hai kiểm định quan trọng cần phải thực hiện khi hồi quy bằng GMM là:
Kiểm định sự tự tương quan của phần dư: Theo Arellano & Bond (1991), ước lượng GMM yêu cầu có sự tương quan bậc 1 và không có sự tương quan bậc 2 của
định m1)/ không có sự tương quan bậc 2 của phần dư (kiểm định m2), chúng ta bác bỏ
H0 ở kiểm định m1 và chấp nhận H0 ở kiểm định m2 thì đạt yêu cầu.
Kiểm tra tính phù hợp của mô hình và các biến đại diện: Tương tự các mô hình khác, sự phù hợp của mô hình có thể được thực hiện thông qua kiểm định F. Kiểm định F sẽ kiểm tra ý nghĩa thống kê cho các hệ số ước lượng của biến giải thích với giả
thuyết H0: tất cả các hệ số ước lượng trong phương trình đều bằng 0, do đó để mô hình
phù hợp thì ta phải bác bỏ giả thuyết H0. Ngoài ra, kiểm định Sargan/Hansen còn được
sử dụng để kiểm tra giả thuyết H0: mô hình được xác định đúng và kiểm tra các ràng
buộc quá mức (chẳng hạn như tính hợp lý của các biến đại diện). Khi chấp nhận giả
thuyết H0 nghĩa là mô hình và các biến đại diện sử dụng là phù hợp.