Từ mục tiêu nghiên cứu đặt ra ban đầu ở phần 1.2, sau khi tìm hiểu cơ sở lý thuyết về khả năng sinh lời kết hợp với việc tìm hiểu vàphân tích các nghiên cứu trước đây
Mục tiêu nghiên cứu
Cơ sở lý thuyết
Phương pháp nghiên cứu
PPNC định lượng: phương pháp hồi quy tuyến tính và phương pháp GMM để xử lý vấn đề nội sinh
Ước lượng và kiểm định mối quan hệ các nhân tốảnh hưởng đến KNSL của các NHTM và các kiểm định khuyết tật của mô hình (hiện tượng đa cộng tuyến, hiện tượng tựtương quan, phương sai
thay đổi và hiện tượng nội sinh) Mô hình nghiên cứu cuối cùng
Giải pháp và kiến nghị nhằm nâng cao KNSL cho các NHTM
Mô hình nghiên cứu
Các nghiên cứu trước
có liên quan đến vấn đề các yếu tố ảnh hưởng đến KNSL của các NHTM, tác giả đã đề xuất mô hình nghiên cứu bao gồm 2 nhóm nhân tố có ảnh hưởng đến KNSL của các NHTM. Sau khi xây dựng mô hình nghiên cứu đề xuất, tác giả sử dụng phương pháp nghiên cứu phù hợp để ước lượng và kiểm định các nhân tố tác động đến ROE. Phương pháp nghiên cứu chính được sử dụng trong luận văn là phương pháp GMM với sự có mặt của độ trễ của biến phụ thuộc (ROEit-1), nhằm trả lời các câu hỏi nghiên cứu và kiểm định các giả thuyết đã đặt ra. Trường hợp kết quả nghiên cứu không phù hợp với các nghiên cứu thực tế trước đây, không phù hợp với cơ sở lý thuyết, tác giả sẽ tiến hành điều chỉnh mô hình đề xuấtban đầu.
Trường hợp kết quả nghiên cứu hợp lý và các kiểm định đảm bảo mô hình không có các khiếm khuyết, tác giả sẽ tiến hành thảo luận và đánh giá kết quả đạt được, từ đó đề xuất các giải pháp, kiến nghị để nâng cao KNSL của các NHTM tại Việt Nam.
3.2 Phương pháp nghiên cứu 3.2.1 Phương pháp GMM 3.2.1 Phương pháp GMM
Vì dữ liệu nghiên cứu là dữ liệu bảng động, nên phương pháp hồi quy tuyến tính OLS, FEM và REM sẽ không vững và bị chệch. Điều này có nghĩa là mô hình nghiên cứu có sự hiện diện của biến trễ của biến phụ thuộc làm biến độc lập (ROEit-1), làm cho mô hình có hiện tượng nội sinh.
GMM là tên chung của một họ phương pháp hồi quy hoặc ước lượng để xác định các thông số của mô hình thống kê hoặc mô hình kinh tế lượng. GMM được sử dụng để tìm hoặc dự tính các thông số của mô hìnhtham số hay phi tham số. GMM được phát triển bởi Lars Hansen năm 1982 từ việc tổng quát hóa phương pháp hồi quy theo moments, được giới thiệu bởi Karl Pearson vào năm 1894. Hansen đã chia sẻ giải thưởng Nobel về kinh tế năm 2013 một phần cho công việc này. GMM được sử dụng nhiều cho dữ liệu bảng (panel data), đặc biệt khi T nhỏ hơn N nhiều lần hoặc dữ liệu không đồng nhất. Ngoài ra, GMM cho phép ước lượngđối với mô hìnhphi tuyến lẫn mô hình tuyến tính. Đồng thời, GMM cũng cho phép ước lượng mô hình có hiện tượng nội sinh và cho kết quả ước lượng ổn định.
Theo Hansen và các cộng sự (1996), khi hồi quy mô hình có một số khó khăn nghiêm trọng có thể dẫn đến kết quả sai lệch như: Nếu các biến hồi quy tương quan với biến phụ thuộc trễ đến một mức độ nào đó haycó sự tác động qua lại giữa các biến và lúc này có thể xảy ra hiện tượng nội sinh, chính nó là nguyên nhân dẫn đến hệ số của chúng có thể bị sai lệch nghiêm trọng. Vì vậy, Arellano và cộng sự (1995) đưa ra phương pháp GMM sai phân hiệu quả hơn để giải quyết tốt hơn với vấn đề nội sinh, phương sai thay đổi và tương quan chuỗi bởi nó tạo ra một ma trận trọng số của các biến công cụ nội sinh, có liên quan với phương sai thay đổi và tương quan chuỗi. Các biến công cụ này bao gồm biến trễ thích hợp của các biếnnội sinh và các biến ngoại sinh nghiêm ngặt trong mô hình. Ngoài ra, theo Soto (2009), nếu các chuỗi này có mức độ dai dẳng vừa phải hoặc cao thì sử dụng phương pháp GMM hệ thống sẽ có độ thiên chệch thấp nhất và độ chính xác cao nhất. Cuối cùng nhằm chứng minh phương pháp GMM có hiệu lực, luận văn thực hiện kiểm định Sargan/Hansen và tự tương quan Arellano - Bond.
3.2.2 Các kiểm định trong mô hình
3.2.2.1 Kiểm định hiện tượng tự tương quan
Theo Gujarati và cộng sự (2009), kiểm định hiện tượng tự tương quan với giả thuyết sau:
Giả thuyết H0: Không có hiện tượng tự tương quan. H1: Có hiện tượng tự tương quan.
Khi có hiện tượng tự tương quan, sẽ dẫn đến hậu quả là chúng không còn là ước lượng không chệch tuyến tính tốt nhất. Theo Gujarati và cộng sự (2009), kết quả kiểm định cho giá trị p-valyes < α (α =5%), giả thuyết H0 bị bác bỏ và chấp nhận giả thuyết H1; ngược lại chấp nhận giả thuyết H0.
Trong trường hợp sử dụng phương phápGMM, luận vănsử dụng kiểm định tự tương quan Arellano - Bond. Theo Arellano và cộng sự (1991), để kiểm tra hiện tượng tự
tương quan tách biệt với các ảnh hưởng cố định thì kiểm định Arellano - Bond được sử dụng cho các sai phân phần dư.
3.2.2.2 Kiểm định Sargan
Theo Hansen và các cộng sự (1996), kiểm định này được sử dụng để kiểm tra sự hợp lý của các biến đại diện sau ước lượng GMM. Đây là kiểm định giới hạn về vấn đề nội sinh của mô hình. Kiểm định Sargan/Hansen với giả thuyết là “H0: Biến công cụ là ngoại sinh”, nghĩa là các biến công cụ không tương quan với sai số của mô hình. Theo Hansen và các cộng sự (1996), giá trị p-value của thống kê Sargan/Hansen càng lớn càng tốt.
3.2.2.3 Kiểm định phương sai thay đổi
Theo Gujarati và cộng sự (2009), kiểm định hiện tượng phương sai thay đổi qua giả thuyết sau:
H0: Phương sai không thay đổi. H1: Phương sai có thay đổi.
Khi phương sai thay đổi, hậu quả sẽ là hệ số ước lượng không còn hiệu quả vìphương sai không còn là phương sai nhỏ nhất. Điều này làm cho việc kiểm định giả thuyết không còn đáng tin cậy, điều này dẫn đến những kết quả hồi quy không còn là tối ưu. Theo Gujarati và cộng sự (2009), kết quả kiểm định cho giá trị p-values < α (α = 5%): Giảthuyết H0 bị bác bỏ và chấp nhận giả thuyết H1; ngược lại chấp nhận giả thuyết H0.
3.3 Dữ liệu nghiên cứu
Nghiên cứu sử dụng dữ liệu thứ cấp từ 20 NHTM tại Việt Nam trong giai đoạn 2008 đến 2018. Vì vậy cỡ mẫu là 20 * 11 = 220 quan sát. Đây là dữ liệu bảng động với danh sách 20 NHTM được thể hiện trong bảng sau:
STT TÊN NHTM tại Việt Nam
1 Ngân hàng TMCP Công thương Việt Nam
2 Ngân hàng TMCP Đầu tư và Phát triển Việt Nam 3 Ngân hàng TMCP Ngoại Thương Việt Nam 4 Ngân hàng TMCP Á Châu
5 Ngân hàng TMCP Tiên Phong 6 Ngân hàng TMCP Bắc Á 7 Ngân hàng TMCP Hàng Hải 8 Ngân hàng TMCP Kiên Long 9 Ngân hàng TMCP Kỹ Thương
10 Ngân hàng TMCP Bưu điện Liên Việt 11 Ngân hàng TMCP Quân Đội
12 Ngân hàng TMCP Quốc Tế 13 Ngân hàng TMCP Quốc dân 14 Ngân hàng TMCP Sài Gòn
15 Ngân hàng TMCP Sài Gòn Công Thương 16 Ngân hàng TMCP Sài Gòn –Hà Nội 17 Ngân hàng TMCP Sài Gòn Thương Tín 18 Ngân hàng TMCP Việt Nam Thịnh Vượng 19 Ngân hàng TMCP Xuất Nhập Khẩu
20 Ngân hàng TMCP Phát triển nhà Thành phố Hồ Chí Minh
Nguồn: NHNN, 2018
Như đã lập luận ở phần trên, bảng 3.2 sẽ tổng hợp các biến trong mô hình mà tác giả sẽ thu thập và xử lý trong nghiên cứu.Các yếu tố vi mô như CAR, NPL, CIR, NIM, LDR, SIZE và ROE được lấy từ BCTC và BCTN của các NHTM từ năm 2008 đến năm 2018, cũng như phần mềm FiinPro Database. Đối với các yếu tố vĩ mô (GDP và tỷ lệ lạm phát), tác giả thuthập từ trang web ngân hàng thế giới từ năm 2008 đến năm 2018.
Bảng 3. 2: Tổng hợp các biến trong mô hình nghiên cứu
STT Tên biến Ký hiệu Dấu Nguồn
Biến phụ thuộc 1 LN ròng trên VCSH ROE Biến độc lập 1 Vốn CAR + Goddard và công sự (2004); Kosmidou (2012); Salhuteru và Wattimena (2015) 2 Chất lượng tài sản NPLR -
Liu và Pariyaprasert (2014); Cifter (2015); Laryea và cộng sự (2016); Akter và Roy (2017); Nguyễn Kim Quốc Trung và Bùi Quang Hưng (2018)
3 Hiệu quả hoạt động Efficient +
Olweny và Shipho (2011); Liu và Pariyaprasert (2014); Nguyễn Kim Quốc Trung và Bùi Quang Hưng (2018)
4 Yếu tố sinh lời NIM +
Khrawish (2011), Jha và Hui (2012); Liu và Pariyaprasert (2014); Nguyễn Kim Quốc Trung và Bùi Quang Hưng (2018)
5 Yếu tố thanh khoản LDR -
Elyor (2009); Liu và Pariyaprasert (2014); Nguyễn Kim Quốc Trung và Bùi Quang Hưng (2018)
6 Quy mô ngân hàng Size +
Andreas (2011), Akhavein và cộng sự (1997), Sufian (2009), Sufian và Kamarudin (2012) 8 Tổng sản phẩm quốc nội GDP + Khrawih (2011); Kosmidou (2012); Nguyễn Kim Quốc Trung và Bùi Quang Hưng (2018)
9 Tỷ lệ lạm phát INF +/-
Kosmidou (2012); Liu và Pariyaprasert (2014); Nguyễn Kim Quốc Trung và Bùi Quang Hưng (2018)
TÓM TẮT CHƯƠNG 3
Nội dung chương 3 đã đề cập đến quy trình nghiên cứu và phương pháp sẽ được thực hiện trong luận văn, đó là phương pháp nghiên cứu định lượng. Ngoài các kỹ thuật phân tích, thống kê, mô tả, so sánh và tính toán KNSL của các NHTM Việt Nam, đồng thời tính toán các chỉ tiêu ảnh hưởng đến KNSL của các ngân hàng, phương pháp chủ yếu dùng để đạt được mục tiêu nghiên cứu là phương pháp GMM. Phương pháp định lượng được thực hiện trên cơ sở mô hình dữ liệu bảng động. Phương pháp OLS, mô hình tác động cố định (FEM) và mô hình tác động ngẫu nhiên (REM) sẽ không vững và hiệu quả khi được dùng để đo lường và ước lượng sự tác động của các yếu tố vi mô và yếu tố vĩ mô đến KNSL của các NHTM, vì sự có mặt của biến trễ của biến phụ thuộc và vấn đề nội sinh trong mô hình.
Đồng thời, tác giả sẽ tiến hành kiểm định các khuyết tật của mô hình, bao gồm hiện tiện tự tương quan, hiện tượng đa cộng tuyến và hiện tượng phương sai thay đổi, hiện tượng nội sinh, để đảm bảo mô hình hiệu quả. Những nội dung của chương 3 sẽ làm cơ sở để vận dụng vào phân tích, đánh giá cáckết quả nghiên cứu trong chương 4 và đề xuất các giải pháp ở chương 5.
CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU
4.1 Tổng quan hoạt động của các ngân hàng thương mại tại Việt Nam 4.1.1 Tổng quan vềcác ngân hàng thương mại tại Việt Nam 4.1.1 Tổng quan vềcác ngân hàng thương mại tại Việt Nam
Các NHTM Việt Nam trong 5 năm qua(từ năm 2015 – 2019) đã phải thực hiện các hoạt động tái cơ cấu khó khăn và tốn kém nhằm giải quyết trục trặc được để lại bởi sự tăng trưởng bùng nổ từ cách đây 15 năm. Thời kỳ 2005 - 2009 là giai đoạn phát triển bùng nổ của các NHTM về số lượng, tín dụng và tài sản có. Cho đến cuối giai đoạn này, tổng số NHTM trong nước lên đến 42. Sau gần 9 năm tái cấu trúc kể từ 2011, số lượng ngân hàng trong nước đã giảm xuống còn 35 hoàn toàn thông qua sáp nhập. Với việc điều hành chính sách tiền tệ nới lỏng quá mức, chỉ trong 5 năm từ 2005 - 2009, tín dụng nội địa đã tăng 4,6 lần, từ đó, dẫn tới bong bóng tài sản trong TTCK và bất động sản.
Nhiều ngân hàng bị mất thanh khoản giai đoạn 2009 – 2011 khi NHNN thắt chặt chính sách tiền tệ để chống lạm phát vào năm 2008 – 2009, đây là giai đoạn khủng hoảng tài chính toàn cầu. Tăng trưởng kinh tế thấp, doanh nghiệp tái cấu trúc, giảm đòn bẩy nợ, thị trường chứng khoánvà bất động sản sụt giảm sâu đã khiến tín dụng tăng không cao trong những năm 2012 - 2014 với tốc độ bình quân 11%/năm.
Đến năm 2015, tín dụng đã tăng cao trở lại. Về định hướng chính sách, tăng trưởng tín dụng 17 - 18% được cho là cần thiết để đảm bảo tăng trưởng GDP ở mức 6,6 - 6,8%. Lợi nhuận doanh nghiệp cải thiện, kinh doanh mở rộng giúp tăng nhu cầu vay nợ cho sản xuất. Nhưng khu vực tăng cao nhất là tín dụng bất động sản và tín dụng tiêu dùng.
Đến cuối 2017, đã xuất hiện những quan ngại trong cộng đồng các nhà đầu tư về ổn định kinh tế vĩ mô nếu tín dụng tiếp tục tăng cao và liệu lịch sử chu kỳ bất ổn có lặp lại. Điểm rất tích cực là chính sách tiền tệ được điều hành thận trọng hơn trong năm 2018 và kết quả là tín dụng chỉ tăng xấp xỉ 14%. Trong khi đó, tăng trưởng GDP lại đạt tốc độ 7,08%, cao nhất trong vòng 10 năm và lạm phát tiếp tục được duy trì
dưới mục tiêu 4%. Trong năm 2019, xu thế là tín dụng sẽ tiếp tục tăng thấp và nếu vậy thì trong 5 năm 2015 - 2019, tín dụng toàn hệ thống sẽ tăng khoảng 2 lần.
Tín dụng tăng trưởng tốt và đặc biệt là tăng mạnh ở các lĩnh vực có lãi suất cho vay cao đã giúp các NHTM cải thiện đáng kể lợi nhuận của mình. Tỷ lệ lợi nhuận trên vốn chủ sở hữu (ROE) tính bình quân cho cả hệ thống các tổ chức tín dụng tăng từ 6,3% năm 2015 lên trên 10% năm 2018.
Các NHTM đều đạt hệ số an toàn vốn tối thiểu (CAR) và tỷ lệ bình quân của toàn hệ thống vượt trên mức quy định rất nhiều. Nhưng chiếu theo chuẩn quốc tế, thì hầu hết các ngân hàng vẫn thiếu vốn.Tăng trưởng tín dụng cao trong những năm qua lại càng làm cho nền tảng vốn chủ sở hữu thêm mỏng. Việc thúc đẩy các NHTM tăng vốn được đề ra, nhưng nỗ lực thực sự của các ngân hàng là rất hạn chế. Thời hạn 2020 đã gần đến và mới chỉ ba NHTM chính thức đạt chuẩn quốc tế về Basel II (Nguyễn Xuân Thành, 2019).
Bảng 4. 1: Tổng quan về các NHTM Việt Nam năm 2017 – 2018
ĐVT: tỷ đồng, %
STT Tên viết tắt
VCSH Tổng tài sản Lợi nhuận sau thuế
2018 (tỷ đồng) So với 2017 (%) 2018 (tỷ đồng) So với 2017 (%) 2018 (tỷ đồng) So với 2017 (%) 2017 so với 2016 1 ACB 21.018 31,11 329.333 15,83 5.137 142,53 60% 2 BacA Bank 7.082 11,10 97.029 5,72 677 12,41 20% 3 BIDV 54.551 11,71 1.313.038 9,21 7.542 8,58 11% 4 Eximbank 14.884 4,44 152.652 2,20 661 -19,72 166% 5 HDBank 16.828 14,02 216.057 14,11 3.202 63,81 137% 6 Kienlong Bank 3.750 5,59 42.310 13,35 232 14,97 67% 7 LienVietPostBank 10.201 8,71 175.095 7,13 960 -29,83 29% 8 MB 34.173 15,44 362.325 15,44 6.190 77,34 21% 9 MSB 13.820 0,72 137.769 22,75 868 611,53 -13% 10 NamA Bank 4.230 15,35 75.059 37,88 591 147,14 628% 11 OCB 8.797 43,29 99.964 18,58 1.761 115,61 111% 12 PGBank 3.687 3,57 29.900 2,05 127 96,76 -47% 13 Sacombank 24.632 6,01 406.041 10,20 1.790 51,51 1029% 14 Saigonbank 3.435 0,52 20.374 -4,44 42 -23,75 -61% 15 SCB 16.578 6,74 508.954 14,62 176 41,54 60% 16 SHB 16.333 11,17 323.276 13,03 1.672 8,65 69% 17 Techcombank 51.783 92,28 320.989 19,15 8.474 31,47 105%
STT Tên viết tắt
VCSH Tổng tài sản Lợi nhuận sau thuế
2018 (tỷ đồng) So với 2017 (%) 2018 (tỷ đồng) So với 2017 (%) 2018 (tỷ đồng) So với 2017 (%) 2017 so với 2016 18 TPBank 10.622 59,09 136.179 9,72 1.805 87,34 70% 19 VIB 10.668 21,40 139.166 13,00 2.194 95,14 100% 20 VietABank 4.235 2,88 71.291 10,64 118 19,85 -1% 21 VietBank 4.507 35,37 51.672 24,41 322 22,68 291% 22 VietCapital Bank 3.438 2,82 46.552 16,67 94 181,32 1149% 23 Vietcombank 62.179 18,31 1.074.027 3,74 14.622 60,50 33% 24 VietinBank 67.456 5,79 1.164.435 6,34 5.416 -27,38 10% 25 VPBank 34.750 17,02 323.291 16,40 7.356 14,20 64%
Nguồn: Niên giám ngân hàng Việt Nam, 2019
Bảng 4.1 thể hiện tổng quan về VCSH, tổng tài sản vả lợi nhuận sau thuế (LNST) của 25 NHTM tại Việt Nam trong năm 2017 – 2018. Nhìn chung, VCSH của các ngân hàng đều tăng lên trong năm 2018 so với năm 2017, trong đó ngân hàng có