4.3.2.1. Kiểm định tự tƣơng quan
Giữa các sai số có mối quan hệ tương quan với nhau sẽ làm cho các ước lượng thu được bằng phương pháp OLS vững nhưng không hiệu quả, các kiểm định hệ số hồi qui không còn đáng tin cậy. Tác giả tiến hành kiểm định giả thuyết không bị tự tương quan trên dữ liệu bảng bằng Kiểm định Breusch - Godfrey (BG) với giả thuyết sau:
H0: Không xảy ra hiện tượng tự tương quan H1: Xảy ra hiện tượng tự tương quan
Bảng 4.9. Kiểm định hiện tƣợng tự tƣơng quan giữa các biến
Breusch-Godfrey Serial Correlation LM Test:
F-statistic 0.366 Probability 0.695 Obs*R-squared 0.789 Probability 0.674
Nguồn: Phân tích dựa trên mẫu nghiên cứu
Với mức ý nghĩa alpha = 5%, kiểm định cho kết quả nR2 = 0,789 có xác suất P-value = 0,674 > 0,05 nên ta chấp nhận giả thuyết H0, tức là không xảy ra hiện tượng tự tương quan trong mô hình.
4.3.2.2. Kiểm định đa cộng tuyến
Đa cộng tuyến là hiện tượng các biến độc lập trong mô hình tương quan tuyến tính với nhau. Tác giả tiến hành kiểm định giả thuyết không bị hiện tượng đa cộng tuyến bằng cách dùng hệ số phóng đại phương sai VIF với kết quả được trình bày trong bảng 4.10.
Bảng 4.10. Kiểm định đa cộng tuyến STT Biến VIF 1 CAR 1,456 2 GDPGt-1 1,203 3 LGt-1 1,306 4 INF 1,105 5 LLR 1,303 6 NPLRt-1 1,581 7 ROA 1,155 8 SIZE 1,406
Nguồn: Phân tích dựa trên mẫu nghiên cứu
Kết quả kiểm định VIF cho thấy mô hình không xảy ra hiện tượng đa cộng tuyến, thể hiện qua giá trị VIF của tất cả các biến đều nh hơn 10 (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
4.3.2.3. Kiểm định phƣơng sai sai số thay đổi
Phương sai của sai số thay đổi sẽ làm cho các ước lượng thu được bằng phương pháp OLS vững nhưng không hiệu quả, các kiểm định hệ số hồi quy không còn đáng tin cậy. Từ đó dẫn đến hiện tượng ngộ nhận các biến độc lập trong mô hình nghiên cứu có nghĩa, l c đó kiểm định hệ số hồi quy và R2 không dùng được. Tác giả tiến hành kiểm định giả thuyết phương sai của sai số không đổi bằng kiểm định White với giả thuyết sau:
H0: Phương sai của sai số không đổi H1: Phương sai của sai số thay đổi
Bảng 4.11. Kiểm định phƣơng sai sai số thay đổi
Heteroskedasticity Test: White
F-statistic 8.731 Probability 0.000 Obs*R-squared 112.243 Probability 0.000 Scaled explained SS 737.261 Probability 0.000
Với mức nghĩa alpha = 5%, kiểm định cho kết quả nR2= 112,243 có xác suất P-value = 0,000 < 0,05 nên ta bác b giả thuyết H0, tức là xảy ra hiện tượng phương sai của sai số thay đổi trong mô hình.
4.3.2.4. Kiểm định hiện tƣợng biến nội sinh
Hiện tượng biến nội sinh sẽ làm cho các ước lượng thu được bằng phương pháp OLS không vững. Mô hình nghiên cứu sử dụng biến trễ của biến phụ thuộc (NPLRt-1) làm biến độc lập nên theo Abhiman Das và Saibal Ghosh (2007), Daniel Foos và cộng sự (2010), Gabriel Jimenez và Jesus Saurina (2006), Richard Blundell và Stephen Bond (1998), thì nghiên cứu thuộc dạng mô hình với số liệu dạng bảng động (Dynamic panel data) và với biến trễ của biến phụ thuộc (NPLRt-1) là biến nội sinh.
4.3.2.5. Kiểm định giả thuyết nghiên cứu
Với kết quả kiểm định từng phần ở trên cho thấy mô hình nghiên cứu không có hiện tượng tự tương quan và đa cộng tuyến. Tuy nhiên, mô hình có hiện tượng phương sai sai số thay đổi và biến nội sinh. Hiện tượng này sẽ làm cho các ước lượng thu được bằng phương pháp OLS không vững và không hiệu quả, các kiểm định hệ số hồi qui không còn đáng tin cậy. Do vậy, tác giả dùng phương pháp GMM để khắc phục. Kết quả kiểm định các giả thuyết nghiên cứu được trình bày trong bảng 4.12.
Bảng 4.12. Kết quả kiểm định các giả thuyết nghiên cứu
Variable Coefficient Std. Error t-Statistic Prob. C -1.416153 0.622349 -2.275495 0.025 CAR 0.034210 0.010776 3.174729 0.002 GDPGt-1 0.108561 0.075204 1.443549 0.151 LGt-1 -0.011459 0.005293 -2.165164 0.032 INF -0.034640 0.037688 -0.919132 0.360 LLR 0.562051 0.272288 2.064181 0.041 NPLRt-1 0.398611 0.111809 3.565105 0.001 ROA -0.164745 0.080287 -2.051941 0.042 SIZE 0.000003 0.000002 1.353462 0.178
Bảng 4.13. Mức độ giải thích của biến độc lập đối với biến phụ thuộc
R-squared 0.540762 Mean dependent var 0.523905 Adjusted R-squared 0.512717 S.D. dependent var 0.662496 S.E. of regression 0.462460 Sum squared resid 28.01690 Durbin-Watson stat 2.046712 J-statistic 0.011320 Instrument rank 10 Prob(J-statistic) 0.915270
Nguồn: Phân tích dựa trên mẫu nghiên cứu
Kết quả kiểm định cho thấy, trong 8 biến độc lập thì chỉ có 5 biến tác động lên biến phụ thuộc NPLR là có nghĩa thống kê. Trong đó:
Hệ số an toàn vốn (CAR) có hệ số β = 0,034, cho thấy hệ số an toàn vốn tác động cùng chiều lên NPLR ở mức nghĩa thống kê là 1% (giá trị Prob = 0,002 < 1%). Điều này cho thấy, hệ số an toàn vốn càng cao thì rủi ro tín dụng của QTDND sẽ càng cao và ngược lại. Cụ thể là khi hệ số an toàn vốn tăng 1% thì rủi ro tín dụng tăng 0,034%.
Tỷ lệ tăng trưởng GDP kỳ trước (GDPGt-1) có hệ số β = 0,109 nhưng không có nghĩa thống kê, thể hiện qua giá trị Prob = 0,151 lớn hơn mức nghĩa 10%, nghĩa biến này không tác động đến NPLR.
Tỷ lệ tăng trưởng tín dụng kỳ trước (LGt-1) có hệ số β = -0,011, tức tác động ngược chiều lên NPLR ở mức nghĩa thống kê là 5% (giá trị Prob = 0,032< 5%). Điều này cho thấy, tỷ lệ tăng trưởng tín dụng kỳ trước càng cao thì rủi ro tín dụng của QTDND sẽ càng giảm và ngược lại. Cụ thể là khi tỷ lệ tăng trưởng tín dụng kỳ trước tăng 1% thì rủi ro tín dụng giảm 0,011%.
Tỷ lệ lạm phát (INF) có hệ số β = -0,035 nhưng không có nghĩa thống kê, thể hiện qua giá trị Prob = 0,360 lớn hơn mức nghĩa 10%, nghĩa biến này không tác động đến NPLR.
Tỷ lệ dự phòng rủi ro tín dụng (LLR) có hệ số β = 0,562, tức tác động cùng chiều lên NPLR ở mức nghĩa thống kê là 5% (giá trị Prob = 0,041< 5%). Điều này cho thấy, tỷ lệ dự phòng rủi ro tín dụng trên tổng dư nợ tín dụng càng cao thì rủi ro
tín dụng của QTDND sẽ càng cao và ngược lại. Cụ thể là khi dự phòng rủi ro tín dụng trên tổng dư nợ tín dụng tăng 1% thì rủi ro tín dụng tăng 0,562%.
Tỷ lệ nợ xấu kỳ trước (NPLRt-1) có hệ số β = 0,398, tức tác động cùng chiều lên NPLR ở mức nghĩa thống kê là 1% (giá trị Prob = 0.001< 1%). Điều này cho thấy, tỷ lệ nợ xấu kỳ trước càng cao thì rủi ro tín dụng của QTDND sẽ càng cao và ngược lại. Cụ thể là khi tỷ lệ nợ xấu kỳ trước tăng 1% thì rủi ro tín dụng tăng 0,398%.
Lợi nhuận ròng trên tổng tài sản (ROA) có hệ số β = -0,165, tức tác động ngược chiều lên NPLR ở mức nghĩa thống kê là 5% (giá trị Prob = 0,042< 5%). Điều này cho thấy, lợi nhuận ròng trên tổng tài sản càng cao thì rủi ro tín dụng của QTDND sẽ càng thấp và ngược lại. Cụ thể là khi lợi nhuận ròng trên tổng tài sản tăng 1% thì rủi ro tín dụng giảm 0,165%.
Quy mô tổng tài sản (SIZE) có hệ số β = 0,000003 nhưng không có nghĩa thống kê, thể hiện qua giá trị Prob = 0,178 lớn hơn mức nghĩa 10%, nghĩa biến này không tác động đến NPLR.
Kết quả nghiên cứu cũng cho thấy R2 = 54,1% cho thấy biến độc lập giải thích được 54,1% biến phụ thuộc.
Hệ số Dubin -Watson = 2,047 thuộc khoảng giá trị từ 1 đến 3 nên chấp nhận hiện tượng tương quan giữa các biến độc lập không xảy ra, kiểm định này phù hợp với giả thuyết ban đầu (Trần Thị Phương Hoa, 2016)
4.4. Thảo luận kết quả nghiên cứu, so sánh với kết quả thực nghiệm trƣớc
Kết quả nghiên cứu cho thấy hệ số an toàn vốn (CAR) tác động cùng chiều lên rủi ro tín dụng (NPLR), kết quả này trái ngược với kỳ vọng ban đầu và không tương đồng với kết quả nghiên cứu của Sinkey và Greenawalt (1991), Boudriga và cộng sự (2009). Hệ số an toàn vốn thể hiện năng lực tài chính của TCTD, là thước đo mức độ an toàn hoạt động, xác định khả năng của TCTD trong việc thanh toán các khoản nợ đến hạn và đối mặt với các rủi ro khác như rủi ro tín dụng. Hệ số an
toàn vốn cao đồng nghĩa với nổ lực tăng vốn tự có, vốn chủ sở hữu để đảm bảo cho tài sản có rủi ro, hoặc giảm tỷ lệ nợ xấu. Có thể giải thích kết quả nghiên cứu bởi tốc độ tăng vốn tự có nhanh hơn tốc độ tăng tài sản có rủi ro, hệ số an toàn vốn cao, lớp phòng vệ của QTDND với rủi ro vững chắc. Kết quả này mang nghĩa hệ số an toàn vốn đóng vai trò là một chỉ số dự báo về rủi ro tài chính, cần được duy trì ở mức phù hợp.
Mặt khác, tỷ lệ tăng trưởng tín dụng kỳ trước (LGt-1) cũng tác động ngược chiều lên rủi ro tín dụng (NPLR) tương tự kết quả nghiên cứu của Robert T. Clair (1992), Võ Thị Qu và Bùi Ngọc Toản (2014). Tăng trưởng tín dụng kéo theo tổng dư nợ tăng, làm cho tỷ lệ nợ xấu giảm. Ngoài ra, khi tốc độ tăng trưởng tín dụng càng thấp thì các đơn vị càng đẩy mạnh hoạt động cho vay, bên cạnh sức ép lợi nhuận, các đơn vị thực hiện cho vay dựa trên uy tín của khách hàng và giá trị tài sản đảm bảo, bất chấp hậu quả dẫn đến sự gia tăng nợ xấu. Với kết quả này không mang nghĩa muốn giảm nợ xấu thì các QTDND phải gia tăng dư nợ, mà cần có quyết định chính xác, đ ng mực trong quá trình giải ngân, đảm bảo tăng trưởng tín dụng cao nhưng bền vững.
Trong khi đó, tỷ lệ dự phòng rủi ro tín dụng (LLR) có tác động cùng chiều với rủi ro tín dụng (NPLR). Hầu hết các nghiên cứu cũng cho kết quả tương tự như: Ahmad (2003), Hasna Chaibi và Zied Ftiti (2015), Trần Thị Phương Hoa (2016), Nguyễn Quốc Anh (2016),... LLR cao hơn cho thấy sự gia tăng rủi ro tín dụng và suy giảm chất lượng cho vay. Có thể thấy rằng trích lập dự phòng cao dẫn đến nợ xấu gia tăng là do trình độ chuyên môn nghiệp vụ của QTDND chưa cao, công tác giám sát chỉ đạo trong quá trình cho vay chưa chặt chẽ, trích lập dự phòng chưa chính xác.
Kết quả nghiên cứu cũng cho thấy tỷ lệ nợ xấu kỳ trước (NPLRt-1) có tác động cùng chiều lên rủi ro tín dụng (NPLR), tương đồng với kết quả trong các nghiên cứu của Gabriel Jimenez và Jesus Saurina (2006), Abhiman Das và Saibal Ghosh (2007), Daniel Foos và cộng sự (2010), Somanadevi Thiagarajan và cộng sự
(2011). Điều này cho thấy rủi ro tín dụng kỳ trước không hoàn toàn bị xóa b mà có thể chuyển sang và ảnh hưởng khá mạnh tới kỳ tiếp theo.
Yếu tố khác là lợi nhuận ròng trên tổng tài sản (ROA) có tác động ngược chiều lên rủi ro tín dụng (NPLR) như kỳ vọng, kết quả này phù hợp với các nghiên cứu trước đây của Podpiera và Weill (2008), Messai và Jouini (2013); Trương Đông Lộc và Nguyễn Văn Thép (2015). Điều này có nghĩa là khi ROA càng cao thì rủi ro tín dụng của QTDND càng thấp và ngược lại. Năng lực quản trị của một TCTD thường có ảnh hưởng rất lớn đến hiệu quả hoạt động của tổ chức đó. Các TCTD có hiệu quả hoạt động cao thường tổ chức quản l tốt việc đánh giá chất lượng tín dụng, tài sản đảm bảo và quản l tốt đối tượng vay. Vì vậy nợ xấu phát sinh sẽ giảm.
Kết luận Chƣơng 4
Dựa trên nội dung và kết quả trình bày chương 4 với mục đích phân tích thực trạng, phân tích các yếu tố tác động đến rủi ro tín dụng của các QTDND trên địa bàn tỉnh Bến Tre, tác giả có những kết luận sau:
Trong các yếu tố bên trong và yếu tố bên ngoài ảnh hưởng đến rủi ro tín dụng của các QTDND trên địa bàn tỉnh Bến Tre thì yếu tố bên trong của QTDND là yếu tố quyết định ảnh hưởng đến rủi ro tín dụng thông qua tỷ lệ nợ xấu. Kết quả nghiên cứu cho thấy tỷ lệ tăng trưởng tín dụng kỳ trước và lợi nhuận ròng trên tổng tài sản có tác động ngược chiều đối với rủi ro tín dụng; ngược lại hệ số an toàn vốn, tỷ lệ dự phòng rủi ro tín dụng trên tổng dư nợ tín dụng và tỷ lệ nợ xấu kỳ trước có tác động cùng chiều với rủi ro tín dụng của QTDND, hầu hết kết quả này tương đồng với các kết quả nghiên cứu trước đây ở các quốc gia cũng như khu vực.
Kết quả nghiên cứu cũng cho thấy mức độ tác động của các yếu tố ảnh hưởng đến rủi ro tín dụng của các QTDND trên địa bàn tỉnh Bến Tre. Trên cơ sở đó tác giả đưa ra các giải pháp được trình bày ở chương 5 nhằm phòng ngừa, hạn chế rủi ro tín dụng của các QTDND trên địa bàn.
Chƣơng 5
KẾT LUẬN VÀ GỢI Ý CHÍNH SÁCH 5.1. Tổng kết kết quả nghiên cứu
Bằng việc nghiên cứu dữ liệu của 7 QTDND trên địa bàn tỉnh Bến Tre, giai đoạn 2014 - 2018, phương pháp GMM được sử dụng để kiểm định các giải thuyết nghiên cứu, bài viết đưa ra 2 kết luận quan trọng các yếu tố ảnh hưởng đến rủi ro tín dụng thông qua tỷ lệ nợ xấu của các QTDND như sau:
Thứ nhất, có một mối tương quan dương (+) giữa hệ số an toàn vốn, tỷ lệ dự phòng rủi ro tín dụng trên tổng dư nợ tín dụng và tỷ lệ nợ xấu kỳ trước đối với tỷ lệ nợ xấu.
Thứ hai, có một mối tương quan âm (-) giữa tỷ lệ tăng trưởng tín dụng kỳ trước và lợi nhuận ròng trên tổng tài sản đối với tỷ lệ nợ xấu.
Vì vậy trong quá trình cho vay các QTDND cần thận trọng hơn, bởi lẽ để bảo đảm hoạt động có l i, một số QTDND có tốc độ tăng trưởng tín dụng kỳ trước thấp sẽ cố gắng mở rộng tín dụng hệ lụy kéo theo là tỷ lệ nợ xấu tăng lên, điều này đã được minh chứng qua kết quả xử lý dữ liệu thực tế. Năng lực quản l của QTDND cũng quyết định đến chất lượng tín dụng, chất lượng quản l hoạt động kinh doanh không tốt làm suy giảm lợi nhuận thông qua mối quan hệ tiêu cực giữa ROA với nợ xấu, điều này dẫn tới tỷ lệ nợ xấu tăng cao hơn.
Bên cạnh đó việc trích lập dự phòng ảnh hưởng trực tiếp đến lợi nhuận các QTDND, là nguyên nhân ảnh hưởng đến quá trình cho vay các QTDND, dẫn đến sự gia tăng tỷ lệ nợ xấu; trích lập dự phòng rủi ro cao thể hiện sự minh bạch trong phân loại nợ, cũng là dấu hiệu cảnh báo về mức độ rủi ro của các khoản nợ. Ngoài ra, những khoản vay chất lượng thấp trước đó cũng làm gia tăng rủi ro tín dụng của QTDND, để giảm rủi ro tín dụng trong tương lai các QTDND cần xử l và kiểm soát tốt tình hình rủi ro tín dụng ở hiện tại. Hệ số an toàn vốn cũng được xem là chỉ số cảnh báo về rủi ro đối với các QTDND trên địa bàn.
5.2. Giải pháp phòng ngừa, hạn chế rủi ro tín dụng của các QTDND trên địa bàn tỉnh Bến Tre địa bàn tỉnh Bến Tre
5.2.1. Giải pháp từ kết quả nghiên cứu mô hình
Hoạt động tín dụng của các QTDND ở tỉnh Bến Tre có nghĩa quan trọng trong việc cung cấp nguồn vốn phục vụ phát triển kinh tế khu vực nông nghiệp, nông thôn. Nhiều hộ gia đình, cá nhân được vay vốn với l i suất thấp để phát triển sản xuất, chăn nuôi, góp phần giảm thiểu đáng kể tình trạng cho vay nặng l i, ổn định trật tự địa phương. Cùng với đó, quản trị rủi ro tín dụng tại các QTDND nhằm bảo đảm hoạt động ổn định, an toàn, phát triển bền vững là vấn đề được đặt lên hàng đầu hiện nay, nhất là trong bối cảnh ngày càng nhiều QTDND trong nước phát sinh rủi ro trong hoạt động có thể gây ảnh hưởng đến hệ thống. Thông qua kết quả nghiên cứu, tác giả đề xuất một số giải pháp nhằm gi p các QTDND kiểm soát rủi ro tín dụng, cụ thể như sau: