Nguồn: Tác giả tổng hợp từ WEO. Như vậy, kịch bản cơ sở cho GDP, lạm phát theo CPI và lãi suất được tóm tắt qua bảng 3.2 như sau:
Bảng 3.2: Tóm tắt kịch bản cơ sở
2015 2016
Tăng trưởng GDP (%/năm) 6.00 5.80
Lạm phát CPI (%/năm) 2.50 3.20
Lãi suất cho vay (%/năm) 5.31 6.79
Nguồn: Tác giả tổng hợp
Kịch bản bất lợi
Tác giả đưa ra kịch bản bất lợi dựa trên việc tham khảo dữ liệu lịch sử, một cuộc khủng hoảng kinh tế xảy ra và kéo dài nhiều năm, không chỉ ảnh hưởng đến nền kinh tế của các cường quốc trên thế giới mà Việt Nam cũng bị ảnh hưởng nặng nề. Trải qua
11.03 11.18 11.18 15.78 10.07 13.14 16.95 13.47 10.37 8.67 5.31 6.79 0.00 2.00 4.00 6.00 8.00 10.00 12.00 14.00 16.00 18.00 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015f 2016f Lãi suất
nhiều cuộc khủng hoảng kinh tế không có nghĩa là nền kinh tế đó sẵn sàng đối mặt được với những bất lợi xảy ra tiếp theo, kịch bản bất lợi có thể nương theo những số liệu của các sự kiện lịch sử để đưa ra con số hợp lý.
Kịch bản cho GDP
Trong thời gian 5 năm, từ năm 2003-2007 tăng trưởng kinh tế Việt Nam đạt trung bình 7.54%/năm, nhưng khi trải qua cuộc khủng hoảng 2007-2008, trong giai đoạn 2008- 2014, tốc độ tăng trưởng của Việt Nam chỉ đạt 5.66%. So với cuộc khủng hoảng tài chính Châu Á năm 1997-2001, tốc độ tăng trưởng của Việt Nam cũng diễn biến như cuộc khủng hoảng kinh tế thế giới 2007-2008:
Đồ thị 3.4: Tốc độ tăng trưởng GDP của Việt Nam 2 giai đoạn 1997-2001, 2007-2014
Nguồn: Tổng cục thống kê. Nhìn vào đồ thị 3.4 thể hiện hai giai đoạn khủng hoảng khác nhau, có thể thấy sau cuộc khủng hoảng tài chính Châu Á, nền kinh tế Việt Nam đã được phục hồi đáng kể vào những năm sau, tuy nhiên sau giai đoạn khủng hoảng kinh tế 2007-2008, giai đoạn 2012-2014 lại có sự sụt giảm đáng kể trong tăng trưởng GDP, tác giả giả định
8.15 5.76 4.77 6.79 6.89 7.08 7.34 7.79 7.130 5.620 5.390 6.420 6.240 5.25 5.335 5.28 0 1 2 3 4 5 6 7 8 9 1997 (2007) 1998 (2008) 1999 (2009) 2000 (2010) 2001 (2011) 2002 (2012) 2003 (2013) 2004 (2014) 1997-2001 2007-2014
rằng, năm 2014 là năm bắt đầu cho cuộc suy thoái kinh tế mới, những năm tiếp theo từ 2015-2016, tốc độc tăng trưởng GDP mỗi năm sẽ giảm trung bình 55%, tác giả lấy cao hơn 2 lần mức trung bình giảm của hai giai đoạn 1997-1998 và 2007-2008 (24.5%) và giai đoạn 1997-1998 (29.32%) để thấy được kịch bản bất lợi hơn nhiều so với sự kiện quá khứ đã xảy ra, nghĩa là tốc độ tăng trưởng GDP năm 2015-2016 lần lượt là 2.376% và 1.069%.
Đồ thị 3.5: Kịch bản bất lợi cho GDP
Nguồn: Tác giả tổng hợp và dự báo
Kịch bản cho lạm phát
Kịch bản cho lạm phát trong 2 năm 2015-2016 được mô phỏng theo tốc độ tăng lạm phát cao nhất vào năm 2007-2008, lạm phát từ mức 8.304% năm 2007 lên đến 23.116% năm 2008, tăng 178.37% chỉ trong một năm. Như vậy trong giai đoạn 2015-2016, tỷ lệ lạm phát được giả định tăng trung bình 73.21%/năm, hay 200% trong hai năm. Năm
8.442 6.978 7.130 5.662 5.398 6.423 6.240 5.247 5.335 5.280 2.376 1.069 0.000 1.000 2.000 3.000 4.000 5.000 6.000 7.000 8.000 9.000 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015f 2016f
2014 có tỷ lệ lạm phát là 4.086% nên tỷ lệ lạm phát năm 2015 và 2016 lần lượt là 7.08% và 12.26%.
Đồ thị 3.6: Kịch bản bất lợi cho lạm phát theo CPI
Nguồn: Tác giả tổng hợp
Kịch bản cho lãi suất
Trước kịch bản lạm phát tăng cao, tác giả giả định NHNN điều hành chính sách tiền tệ tăng lãi suất để kiềm chế tốc độ tăng của lạm phát. Mức tăng của lãi suất sẽ tương ứng với tốc độ tăng của lạm phát để đảm bảo lạm phát được kiềm chế. Ở đây, với một điểm phần trăm tăng trong lạm phát, lãi suất cho vay sẽ tăng tương ứng một điểm phần trăm.
8.281 7.386 8.304 23.116 7.055 8.862 18.677 9.094 6.592 4.086 7.08 12.26 0.000 5.000 10.000 15.000 20.000 25.000 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015f 2016f
Đồ thị 3.7: Kịch bản bất lợi cho lãi suất
Nguồn: Tác giả tổng hợp Như vậy, kịch bản bất lợi cho GDP, lạm phát theo CPI và lãi suất có thể được tóm tắt trong bảng 3.3 như sau:
Bảng 3.3: Tóm tắt kịch bản bất lợi
2015 2016
Tăng trưởng GDP (%/năm) 2.376 1.069
Lạm phát CPI (%/năm) 7.08 12.26
Lãi suất cho vay (%/năm) 21.55 37.32
Nguồn: Tác giả tổng hợp và tính toán.
Kịch bản gây sốc trực tiếp cho tỷ lệ nợ xấu
Nghiên cứu giả định xảy ra cú sốc nợ xấu tăng thêm 20%, 30% và 40%. Thay đổi cú sốc nợ xấu tăng lên các mức tăng khác nhau để đánh giá tác động của cú sốc lên tỷ lệ an toàn vốn. 11.03 11.18 11.18 15.78 10.07 13.14 16.95 13.47 10.37 12.44 21.55 37.32 0.000 5.000 10.000 15.000 20.000 25.000 30.000 35.000 40.000 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015f 2016f Lạm phát (Theo CPI) Lãi suất
Bước 3: Xác định tiêu chí liên hệ những cú sốc tác động đến các ngân hàng
Tác giả sử dụng hệ số CAR để làm thước đo đánh giá một ngân hàng có chịu đựng được sau cú sốc hay không. So sánh CAR trước và sau cú sốc để xem sự tác động đến ngân hàng thế nào và kiểm tra xem ngân hàng đó có giữ được tỷ lệ an toàn vốn tối thiểu theo quy định hay không.
CAR(𝑡) = Vốn tự có(t)
Tổng tài sản Có rủi ro(t)
Hệ số an toàn vốn tối thiểu của các ngân hàng năm 2014 được thể hiện trong đồ thị 3.8 như sau:
Đồ thị 3.8: Hệ số CAR năm 2014 của 20 NHTM Việt Nam
Nguồn: Báo cáo thường niên năm 2014 của các ngân hàng. Có thể thấy, năm 2014 là năm mà các ngân hàng duy trì được hệ số CAR khá tốt khi hầu như tất cả các ngân hàng đều duy trì hệ số này trên tỷ lệ tối thiểu mà quy định đặt ra là 9%. Trong đó, ngân hàng VIB và Kiên Long có hệ số CAR khá cao, trên 17%.
0 2 4 6 8 10 12 14 16 18 20 Hệ số CAR 2014
Bên cạnh đó cũng phải chú ý khi có 5 ngân hàng có hệ số CAR xấp xỉ mức an toàn 9% như BIDV, SCB, Đông Á, Sacombank và MB.
Trước tiên, tác giả sẽ đưa ra cách tính toán hệ số CAR sau cú sốc qua 4 giai đoạn như sau:
B1: Tính toán Vốn tự có năm 2014 của các ngân hàng theo hướng dẫn tại Phụ lục
1 của Thông tư 36.
Việc tính toán vốn tự có được quy định rõ ràng và chi tiết trong phụ lục 1 của Thông tư 36, từ hướng dẫn trên, tác giả thực hiện tính toán vốn tự có của 20 NHTM được chọn.
B2: Từ hệ số CAR mà các ngân hàng đã công bố năm 2014 để tính ra Tổng tài
sản Có rủi ro (RWA).
B3: Tính toán thay đổi vốn tự có.
Tác giả giả định rằng, số nợ xấu tăng thêm sau khi kịch bản bất lợi xảy ra sẽ được trích lập dự phòng 100%, thuế suất là 20% để tính toán tổn thất điều chỉnh thuế.
Tổn thất điều chỉnh thuế = Tổng số nợ xấu*100%*(1-thuế suất). Vốn tự có(t+1)=Vốn tự có(t)-Tổn thất điều chỉnh thuế.
Nợ xấu tăng thêm được xác định qua 2 cách:
- Nợ xấu tăng thêm sẽ được tính toán dựa trên mô hình hồi quy dữ liệu bảng thể hiện mối quan hệ giữa các biến vĩ mô và nợ xấu và tính toán tác động ngắn hạn, dài hạn của các biến vĩ mô đến nợ xấu.
- Tác giả giả định cho tỷ lệ nợ xấu tăng lần lượt 20%, 30%, 40% để xác định mức độ ảnh hưởng đến CAR của các ngân hàng.
Mô hình hồi quy
Tác giả xây dựng một mô hình kinh tế lượng thể hiện sự liên hệ giữa các biến số vĩ mô như tốc độ tăng trưởng GDP, lạm phát, lãi suất…với chất lượng tín dụng. Chất lượng tín dụng trong nghiên cứu này được tác giả lựa chọn tỷ lệ nợ xấu trên tổng dư nợ (NPL) làm đại diện, do hạn chế về số lượng cũng như chất lượng của số liệu ở Việt Nam nên việc thu thập và tìm kiếm được các số liệu cần thiết cho nghiên cứu rất khó khăn. Để xác định mô hình hồi quy thể hiện mối quan hệ này, nhiều nghiên cứu sử dụng phương pháp vector hồi quy (VAR), tuy nhiên, đối với Việt Nam, thu thập được một bộ dữ liệu chuỗi thời gian với số quan sát đủ lớn để mô hình có ý nghĩa là vô cùng khó khăn. Vì vậy, tác giả đã sử dụng bộ dữ liệu thay thế để ước lượng được mô hình này, cụ thể, tác giả thu thập số liệu của các biến số: Tỷ lệ nợ xấu trên tổng dư nợ, Tổng tài sản (quy mô của ngân hàng), Dư nợ tín dụng, tỷ lệ lợi nhuận trên vốn chủ sở hữu, Vốn chủ sở hữu trên Tổng tài sản, Dư nợ cho vay trên tổng tiền gửi, và các biến số kinh tế vĩ mô là tốc độ tăng trưởng GDP, lạm phát theo CPI và lãi suất cho vay, VN-Index. Đây là phương pháp sử dụng số liệu của nhiều ngân hàng để ước lượng mô hình số liệu bảng, số quan sát nhiều hơn khi tập hợp dữ liệu theo chuỗi thời gian để chạy mô hình VAR ở Việt Nam, nâng cao độ tin cậy về mặt thống kê. Một số nghiên cứu cũng sử dụng mô hình dữ liệu bảng để ước lượng mô hình hồi quy như Phụ lục 1.6 của báo cáo tình hình ổn định tài chính toàn cầu tháng 4/2010 hay của Vazquez & Tabak (2012).
Cụ thể mô hình hồi quy có dạng tổng quát như sau:
1 ( , 1) 2 3 4 5 6 7
(1)
8 9 10
NPLit NPLi t SIZEit CREDITit ROEit ETAit LTDit GDPit CPIit LSit VNINDEXit Trong đó:
NPLit và NPL(i,t-1) lần lượt là tỷ lệ nợ xấu trên Tổng dư nợ năm (t) và năm (t-1) của ngân hàng i.
SIZE là quy mô Tổng tài sản của ngân hàng. CREDIT là dư nợ tín dụng của ngân hàng. ROE là tỷ lệ lợi nhuận trên vốn chủ sở hữu.
ETA là tỷ lệ Vốn chủ sở hữu trên Tổng tài sản của ngân hàng. LTD là dư nợ cho vay trên tổng tiền gửi.
GDP là tốc độ tăng trưởng GDP thực.
CPI là tỷ lệ lạm phát tính theo chỉ số giá tiêu dùng CPI. LS là lãi suất cho vay.
VNINDEX là tỷ suất lợi nhuận của chỉ số VN-Index.
1 ln t *100 t VNINDEX r VNINDEX Trong đó:
- VNINDEXt : Chỉ số đóng cửa của VNINDEX vào thời điểm (ngày, tháng, năm) t - VNINDEXt-1 : Chỉ số đóng cửa của VNINDEX vào thời điểm (ngày, tháng, năm)
t -1
Theo nghiên cứu của Figlewski & Frydman (2012), có ba nhóm yếu tố tác động đến mức độ tín nhiệm chung của một tổ chức tín dụng:
- Một là các yếu tố liên quan đến điều kiện kinh tế vĩ mô nói chung (ví dụ như tỷ lệ thất nghiệp, lạm phát, vv).
- Hai là các yếu tố đặc trưng cho nền kinh tế thực (như tăng trưởng GDP thực tế, chỉ số VN-INDEX…).
Trong mô hình, dựa theo kết quả của những nghiên cứu trước như Jakubík (2008), Vazquez & Tabak (2012), các biến chính có tác động chủ yếu đến NPL, là các biến giải thích cho biến phụ thuộc NPL:
NPL(i,t-1) là giá trị trễ một giai đoạn của biến NPL, biến này được đưa vào mô hình dựa trên giả thuyết về nợ xấu của một ngân hàng kỳ trước nếu tăng nhanh thì khả năng tỷ lệ nợ xấu của ngân hàng đó cũng tăng nhanh trong kỳ này và ngược lại. Vì vậy, tỷ lệ nợ xấu của ngân hàng trong năm t, còn phụ thuộc vào tỷ lệ nợ xấu của năm (t-1). Hệ số của biến này được kỳ vọng mang dấu dương (+).
GDP là biến thể hiện tốc độ tăng trưởng GDP hằng năm, nếu tốc độ tăng GDP giảm sút, chứng tỏ nền kinh tế đang trong thời kỳ suy thoái, gây ảnh hưởng xấu đến chất lượng tín dụng, làm tỷ lệ nợ xấu tăng cao. Hệ số của biến này được kỳ vọng sẽ mang giá trị âm (-).
CPI là biến thể hiện tỷ lệ lạm phát theo CPI, tỷ lệ lạm phát tăng cao cho thấy nền kinh tế bất ổn, làm giảm khả năng trả nợ của người đi vay, kéo theo đó là tỷ lệ nợ xấu tăng. Như vậy, kỳ vọng dấu của hệ số này mang dấu dương (+).
LS là biến đại diện cho lãi suất, khi lãi suất tăng, khả năng trả nợ của người đi vay giảm, do áp lực trả nợ tăng cao, tỷ lệ nợ xấu cũng sẽ tăng theo. Hệ số này kỳ vọng mang dấu (+).
Ngoài các biến chính phổ biến được dùng để giải thích cho chất lượng tín dụng như trên, các biến kiểm soát như ROE, LTD, ETA, SIZE…cũng được đưa vào.
Sau khi có mô hình hồi quy kiểm định các nhân tố vĩ mô nào ảnh hưởng đến NPL (có kiểm soát các yếu tố đặc thù ngân hàng). Giả sử GDP có tác động đến NPL, từ mô hình hồi quy (1) nghiên cứu sẽ xác định mức độ tác động ngắn hạn và dài hạn của yếu
tố GDP đến NPL dựa trên nghiên cứu của Vazquez & Tabak (2012) về rủi ro tín dụng cho ngân hàng ở Brazil, thực hiện hồi quy cho phương trình sau:
, , 1 , 0 , , 1 ln( ) ln( ) ln( ) 1 1 S i t i t i t s t s i t s i t i t NPL NPL GDP NPL NPL (2) Trong đó:
- NPLi t, là tỷ lệ nợ xấu trên tổng dư nợ của ngân hàng i trong thời điểm t - GDPt s là tốc độ tăng trưởng GDP trong thời gian t với độ trễ là s. - Hệ số α được kỳ vọng mang dấu dương (+) nhưng nhỏ hơn 1.
- Hệ số β được kỳ vọng dấu âm (-), phản ánh sự giảm giá trị chất lượng khoản vay khi nền kinh tế đi xuống.
Do tỷ lệ nợ xấu có giới hạn trong khoảng [0,1], biến phụ thuộc được chuyển sang dạng ln(NPL/(1-NPL)) để tránh hiện tượng sai số chuẩn (non-Gaussian errors). Sau khi thử nghiệm với cấu trúc các độ trễ khác nhau, luận văn lựa chọn độ trễ là 2 cho các biến của mô hình. So với nghiên cứu gốc chọn độ trễ từ 4-6, với dữ liệu theo quý, độ trễ là 2 cho nghiên cứu của luận văn theo đánh giá của tác giả là phù hợp.
Xây dựng mô hình tương tự cho các biến vĩ mô có ý nghĩa thống kê còn lại trong mô hình (1).
Tính toán tác động trong ngắn hạn và dài hạn của các biến vĩ mô đến nợ xấu
Tác động ngắn hạn:
Tác động ngắn hạn của biến GDP đến sự thay đổi của nợ xấu được tính toán như sau:
(1 ) ln(GDP) s t s NPL NPL NPL (3)
Tác động dài hạn: 1 (1 ) ln( ) 1 s t s NPL NPL NPL GDP (4)
Trong đó NPL là tỷ lệ nợ xấu trung bình của các ngân hàng được lựa chọn trong mẫu, hệ số α và β được lấy từ phương trình hồi quy (2).
Tương tự cho các biến vĩ mô có ý nghĩa thống kê còn lại trong mô hình hồi quy (1).
B4: Tính toán sự thay đổi của Tổng tài sản Có rủi ro
Tác giả sử dụng công thức của Schmieder & Hasan (2011) để ước tính thay đổi của RWA, việc sử dụng công thức này là do việc tính toán trực tiếp RWA rất phức tạp, đòi hỏi phải có số liệu chi tiết về cấu trúc tài sản của từng ngân hàng, điều này là khá hạn chế ở Việt Nam khi thông tin công bố không đầy đủ để nghiên cứu tổng hợp. Trong nghiên cứu của Schmieder & Hasan (2011), tác giả tính toán RWA bằng một mô hình rủi ro tín dụng danh mục đầu tư, công cụ này sử dụng một trong các yếu tố mô hình cơ bản của phương pháp IRB (hệ thống xếp hạng tín dụng nội bộ) để xác định những thay đổi của RWA trước những thay đổi trong các thông số tín dụng (PDs). Công thức ban đầu theo IRB như sau:
0.5 0.5 1 [ [(1 ) ( ) ( ) (0.999)] ] (1 1.5b) (1 ( 2.5) ) 1 R LGD N R G PD G PD LGD M b R