3.4.1 Các mô hình hồi quy
Cũng theo Gujarati (1995) thì việc ước lượng mô hình hồi quy OLS theo cách thông thường đôi khi sẽ không hợp lý và thiếu hiệu quả vì có thể bỏ qua những đặc điểm riêng biệt từng cá nhân, thực thể và làm ảnh hưởng đến mối quan hệ của biến phụ thuộc và biến độc lập. Có nhiều cách tiếp cận hồi quy dữ liệu bảng, trong đó kỹ thuật nổi bật nhất là mô hình các ảnh hưởng cố định (Fixed Effects Model - FEM) và mô hình các ảnh hưởng ngẫu nhiên (Random Effects Model – REM).
3.4.1.1 Mô hình bình phương tối thiểu gộp (Pooled Ordinary Least Squares)
Mô hình Pooled OLS:
NPLit = β0 + βkLGTit-k + β5LGTit + β6SIZEit + β7EQit + εit
Mô hình Pooled OLS là mô hình đơn giản nhất để ước lượng mô hình hồi quy bình phương nhỏ nhất thông thường (OLS) và không kể đến các kích thước không gian và thời gian của dữ liệu bảng. Điều này có nghĩa là mô hình Pooled OLS ước lượng mô hình với giả định tung độ gốc, hệ số độ dốc giống nhau giữa các ngân hàng
và qua thời gian (phần dư thể hiện những khác biệt giữa các ngân hàng và qua thời gian). Với phương pháp này, chúng ta giả định ảnh hưởng của các nhân tố lên khả năng sinh lời là giống nhau giữa tất cả các ngân hàng và không đổi theo thời gian.
Ta có thể thấy, mô hình này rất đơn giản và dễ thực hiện nhưng rõ ràng những giả định trên rất hạn chế và khó xảy ra trong thực tế vì mỗi ngân hàng đều có những khác biệt và tác động của các đặc điểm riêng biệt này đến khả năng sinh lời ở mỗi ngân hàng là khác nhau và thay đổi qua các năm. Vì thế, kết quả ước lượng thu được có thể không hiệu quả.
3.4.1.2 Mô hình tác động cố định (Fixed Effects Model)
Mô hình FEM:
NPLit = β0 + βkLGTit-k + β5LGTit + β6SIZEit + β7EQit + ui + εit
FEM được sử dụng trong ước lượng với giả định mỗi ngân hàng có những đặc điểm riêng biệt và những đặc điểm riêng này có thể ảnh hưởng đến các biến độc lập trong mô hình hay nói cách khác có sự tương quan giữa các biến độc lập với thành phần sai số của mỗi thực thể (chứa các đặc điểm riêng của ngân hàng). Các đặc điểm riêng biệt (không đổi theo thời gian) này là duy nhất đối với một ngân hàng và không tương quan với đặc điểm của các ngân hàng khác.
Vì vậy, FEM có thể kiểm soát, tách ảnh hưởng của các đặc điểm riêng biệt (không đổi theo thời gian) ra khỏi các biến độc lập và mô hình có thể ước lượng tác động thực của các yếu tố trong mô hình lên khả năng sinh lời. Tuy nhiên, FEM có hạn chế là không đo lường được tác nhân không đổi theo thời gian và làm tăng khả năng đa cộng tuyến của mô hình gây khó khăn cho việc ước lượng chính xác.
3.4.1.3 Mô hình tác động ngẫu nhiên (Random Effects Model)
Mô hình REM:
NPLit = β0 + βkLGTit-k + β5LGTit + β6SIZEit + β7EQit + wit
Trong đó, wit = ui + εit
REM được sử dụng trong ước lượng với giả định đặc điểm riêng giữa các ngân hàng là ngẫu nhiên và không tương quan với các biến độc lập trong mô hình. REM
xem thành phần sai số của mỗi ngân hàng (không tương quan với biến độc lập) là một biến giải thích mới.
Điều này có nghĩa là, với dữ liệu sẵn có, trong FEM mỗi ngân hàng có giá trị tung độ gốc cố định riêng và 15 ngân hàng sẽ có 15 tung độ gốc khác nhau; ngược lại, trong REM, chỉ có 1 giá trị tung độ gốc là giá trị trung bình của 15 tung độ gốc của các ngân hàng, thành phần sai số thể hiện chênh lệch (ngẫu nhiên) của từng tung độ gốc với giá trị trung bình. Thành phần sai số là biến không thể quan sát được thể hiện những yếu tố tác động không thể quan sát một cách trực tiếp.
3.4.2 Lựa chọn mô hình hồi quy
Chúng ta cần phải chọn lựa ra mô hình hồi quy phù hợp nhất. Dễ dàng nhận thấy Pooled OLS dường như không hiệu quả bởi những giả định của nó hầu như rất khó xảy ra trong thực tế vì mỗi ngân hàng đều có đặc trưng riêng biệt. Việc lựa chọn giữa FEM và REM phụ thuộc vào giả định về sự tương quan giữa thành phần sai số (chứa các đặc điểm riêng của các ngân hàng) và các biến độc lập trong mô hình: nếu có sự tương quan thì sử dụng FEM và không tương quan thì REM là thích hợp.
Kiểm định Hausman được sử dụng để lựa chọn phương pháp ước lượng phù hợp giữa hai mô hình FEM và REM (Baltagi 2008). Giả thuyết H0 cho rằng không có sự tương quan giữa sai số đặc trưng giữa các đối tượng (ui) với các biến giải thích trong mô hình. Bác bỏ giả thuyết H0 (p-value < 0.05) dẫn đến kết luận mô hình ước lượng tác động cố định (FEM) là phù hợp hơn so với mô hình ước lượng ngẫu nhiên. Ngược lại, nếu chưa có đủ bẳng chứng để bác bỏ H0 thì mô hình ước lượng ngẫu nhiên (REM) sẽ được ưu tiên sử dụng.
Ngoài kiểm định Hausman, kiểm định F (F-test) cũng được sử dụng để kiểm chứng tính phù hợp của mô hình ước lượng FEM, REM so với mô hình ước lượng Pooled OLS.
3.4.3 Kiểm định sự phù hợp của mô hình
Sau khi xác định được mô hình FEM hay REM phù hợp, tiến hành tiếp các kiểm định để xem xét những khuyết tật của mô hình và qua đó đánh giá tính hiệu quả của ước lượng.
Kiểm định hiện tượng tự tương quan hay còn gọi là tương quan chuỗi bằng kiểm định Wooldridge để xem xét dữ liệu có tương quan chuỗi trong sai số đặc trưng của mô hình hay không. Hiện tượng tương quan chuỗi ám chỉ rằng một số ảnh hưởng hệ thống nào đó đã bị loại bỏ khỏi phương trình và do đó làm giảm khả năng giải thích của mô hình hồi quy. Giả thuyết H0 là không có hiện tượng tương quan chuỗi. Nếu p-value > 0.05 thì không xảy ra hiện tượng tương quan chuỗi trong mô hình và ngược lại.
Kiểm định phương sai sai số thay đổi bằng kiểm định Breusch – Pagan với giả thiết H0 là phương sai sai số không đổi. Nếu p-value < 0.05 thì giả thuyết H0 bị bác bỏ chứng tỏ mô hình tồn tại phương sai sai số thay đổi.
KẾT LUẬN CHƯƠNG 3
Chương 3 đã đề xuất mô hình nghiên cứu cụ thể, cách chọn biến và lý giải lý do chọn biến trong mô hình, đồng thời cũng trình bày các giả thuyết nghiên cứu chính. Bên cạnh đó, luận văn trình bày các mô hình hồi quy Pooled OLS, FEM, REM, cũng như phương pháp lựa chọn mô hình và kiểm định các kết quả nghiên cứu nhằm thực hiện mục tiêu nghiên cứu. Trên cơ sở các công trình khoa học đã tham khảo, tác giả đã xây dựng được mô hình nghiên cứu về tác động của tăng trưởng tín dụng đến nợ xấu của các NHTM Việt Nam trong giai đooạn nghiên cứu.
CHƯƠNG 4 KẾT QUẢ THỰC NGHIỆM 4.1 Thống kê mô tả và phân tích tương quan
4.1.1 Thống kê mô tả
Bảng 4.1 khái quát sơ bộ các thông số cơ bản của dữ liệu nghiên cứu. Qua đó cho thấy có sự phân tán giữa các quan sát trong mẫu được thể hiện qua giá trị trung bình, lớn nhất, nhỏ nhất và độ lệch chuẩn. Giá trị của các biến phân phối không đều, thông qua giá trị trung bình và độ lệch chuẩn. Dữ liệu bảng thu thập được là dữ liệu bảng cân bằng.
Tăng trưởng tín dụng: có giá trị cao nhất lên tới 122.0292%, thấp nhất là - 21.5838%, giá trị trung bình là 25.2380% với độ lệch chuẩn là 23.2351% cho thấy sự biến động tương đối trong mẫu ngân hàng đang nghiên cứu.
Tỷ lệ nợ xấu: có giá trị cao nhất 10.2143%, thấp nhất là 0.001 trung bình là 0.3379%, độ biến động so với giá trị trung bình là 1.2889% cho thấy sự chênh lệch không lớn về tỷ lệ nợ xấu của các ngân hàng trong mẫu qua các năm.
Biến quy mô ngân hàng: cũng có sự phân bố chênh lệch nhau giữa các ngân hàng trong mẫu, giá trị cao nhất là 20.8225, giá trị thấp nhất là 12.0367, giá trị trung bình 18.1926 và giá trị độ lệch chuẩn là 1.4125.
Tỷ lệ vốn chủ sở hữu có giá trị cao nhất là 35.6339%, thấp nhất chỉ là 2.9675% cho thấy tỷ lệ này biến động giữa các ngân hàng, độ lệch chuẩn là 5.2829% cho thấy sự phân bổ tỷ lệ này khác biệt nhau ở các ngân hàng qua các năm.
Bảng 4.1 Thống kê mô tả các biến nghiên cứu STT Tên biến Giá trị nhỏ nhất Giá trị lớn nhất Giá trị trung bình Độ lệch chuẩn Số quan sát 1 NPL 0.3379% 10.2143% 2.2470% 1.2889% 150 2 LGT -21.5838% 122.0292% 25.2380% 23.2351% 150 3 SIZE 12.0367 20.8225 18.1926 1.4125 150 4 EQ 2.9675% 35.6339% 9.9762% 5.2829% 150
Nguồn: Tính toán của tác giả trên Stata
Hoạt động kinh doanh ngân hàng không thể tránh khỏi nợ xấu, nhưng để nợ xấu tồn tại quá cao và kéo dài ở nội hay ngoại bảng đều là vấn đề nghiêm trọng cần phải giải quyết. Nợ xấu tại các NHTM Việt Nam không phải mới phát sinh trong năm nghiên cứu, mà thực chất đã tích tụ từ nhiều năm trước. Khi tình hình kinh tế vĩ mô xấu đi, hoạt động sản xuất kinh doanh trì trệ, thì cũng là lúc nợ xấu nảy nở ngoài kiểm soát. Dựa vào số liệu nghiên cứu trong giai đoạn 2008 − 2017 có thể nói nợ xấu có xu hướng bùng nổ từ năm 2012.
Trong năm 2012, với điều kiện kinh tế suy thoái, thị trường bất động sản và chứng khoán suy yếu thì người vay gặp nhiều khó khăn, không trả nợ được, làm gia tăng nợ xấu lên mức nguy hiểm. Đó là lý do kể từ năm 2012, nợ xấu của hầu hết các NHTM Việt Nam tăng cao đạt mức 4.69% về giá trị tương đối. Theo tiêu chuẩn phân loại quốc tế, mức cảnh báo nợ xấu cần xem xét là ở ngưỡng trên 3% so với tổng dư nợ, tỷ lệ nợ xấu của Việt Nam lại gia tăng vượt ngưỡng khá nhiều và đang ở mức báo động vào năm này. Tỷ lệ nợ xấu này lại nằm trong bối cảnh điều kiện tăng trưởng kinh tế thấp, bất ổn tài chính thường trực và thị trường bất động sản đóng băng, nên nợ xấu lại càng ngày xấu lẫn khó xử lý.
Nguồn: Báo cáo tài chính của các ngân hàng và tính toán của tác giả
Hình 4.1 Nợ xấu bình quân của các ngân hàng thương mại Việt Nam giai đoạn 2008 – 2017
Sau đó đến cuối năm 2013, tỷ lệ nợ xấu của hệ thống các NHTM đã sụt giảm sau giai đoạn bùng nổ. Tuy tỷ lệ nợ đã giảm nhưng con số tuyệt đối tương ứng vẫn còn rất cao. Cùng với tốc độ tăng trưởng tín dụng hay việc mở rộng cho vay, con số tuyệt đối của nợ xấu cũng tăng lên, bởi rủi ro luôn có và luôn đi cùng trong hoạt động ngân hàng.
Bước sang năm 2014, với những động thái quyết liệt trong vấn đề phòng ngừa và xử lý nợ xấu, đây được xem là năm mà toàn hệ thống đã có những thành công nhất định trong vấn đề giải quyết bài toán nợ xấu. Trong năm này các NHTM bán nợ xấu rất mạnh cho Công ty quản lý tài sản của các TCTD Việt Nam (VAMC) và thực hiện xử lý dự phòng rủi ro theo quy định dẫn đến tỷ lệ nợ xấu tiếp tục giảm, ghi nhận mức giảm cả về giá trị tuyệt đối và tương đối so với 2013.
2.48% 1.78% 1.75% 2.31% 3.69% 2.91% 2.18% 1.70% 1.87% 1.81% 0.00% 0.50% 1.00% 1.50% 2.00% 2.50% 3.00% 3.50% 4.00% 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017
Trong năm 2015, NHNN xác định sẽ là năm bản lề của việc thực hiện Đề án xử lý nợ xấu và năm về đích của Đề án cơ cấu lại hệ thống các TCTD. Trong đó, quyết tâm đưa nợ xấu về mức dưới 3% và kiên quyết xử lý các NHTM yếu kém, đẩy mạnh sáp nhập, hợp nhất, lành mạnh hóa tài chính, cơ cấu lại hoạt động kinh doanh và đổi mới hệ thống quản trị, điều hành. Trên cơ sở này, báo cáo báo cáo tài chính năm 2015 được công bố của hầu hết các ngân hàng cũng cho thấy những con số giảm so với cuối năm 2014. Giá trị nợ xấu một lần nữa được ghi nhận giảm về mặt tuyệt đối lẫn tương đối.
Với sự quyết tâm trong công tác xử lý nợ xấu thì đến năm 2016, nợ xấu được giữ ổn định. Hầu hết các ngân hàng đã đưa tỷ lệ nợ xấu cuối năm 2016 về mức mục tiêu dưới 3%. Năm 2017 được xem là năm khá thành công của ngành ngân hàng trong việc xử lý nợ xấu. Nghị quyết số 42/2017/QH14 ra đời đã tháo gỡ các vướng mắc về mặt pháp lý và tài sản bảo đảm trong việc xử lý nợ xấu. Bên cạnh đó, các ngân hàng cũng nỗ lực tự xử lý nợ xấu với tốc độ lớn hơn so với năm 2016.
Thị trường chính Việt Nam đã chịu nhiều thử thách kể từ cuộc khủng hoảng kinh tế toàn cầu nổ ra năm 2008. Những chuyển biến của nền kinh tế cũng gây tác động rất lớn đến tín dụng của hệ thống ngân hàng. Hình 4.2 thể hiện tăng trưởng tín dụng có giai đoạn đạt mức cao ngất ngưỡng nhưng cũng có giai đoạn trầm lắng trong giai đoạn nghiên cứu 2008 – 2017:
Nguồn: Báo cáo tài chính của các ngân hàng và tính toán của tác giả
Hình 4.2 Tăng trưởng tín dụng bình quân của các ngân hàng thương mại Việt Nam giai đoạn 2008 – 2017
Qua hình 4.2, ta thấy được tỷ lệ tăng trưởng tín dụng mạnh nhất vào năm 2009. Xuất phát từ chủ trương thay đổi chính sách tiền tệ theo định hướng của Chính phủ, biểu hiện cụ thể thông qua gói kích cầu, hỗ trợ lãi suất đối với doanh nghiệp. Tăng trưởng tín dụng của Việt Nam cao hơn nhiều so với các nước trong khu vực và có thể nói đây là một trong những nhân tố đóng góp vào sự phát triển nhanh của nền kinh tế. Mặc dù vậy, tăng trưởng tín dụng ở mức cao cũng mang lại nhiều rủi ro hơn về tình trạng bong bóng tài sản, khi nguồn vốn chảy vào các lĩnh vực có rủi ro cao như bất động sản mà nhiều nước mới nổi như Việt Nam hay mắc phải.
Hơi nóng quá mức của tăng trưởng tín dụng năm 2009 cùng với tăng trưởng kinh tế không mấy khả quan, NHNN bước sang năm 2010 đã thực thi chính sách tiền tệ thận trọng và kéo tăng trưởng tín dụng giảm. Thông qua Luật Ngân hàng Nhà nước (sửa đổi) và Luật các tổ chức tín dụng (sửa đổi), các giới hạn về cấp tín dụng được đưa ra theo hướng chặt chẽ hơn, và cũng trong năm 2010, quy định tỷ lệ an toàn vốn tăng từ 8% lên 9%. Từ những thực tế này đã khiến cho tăng trưởng tín dụng tăng chậm suốt năm 2010 và tổng kết năm có mức tăng sụt giảm mạnh so với 2009.
21.99% 60.44% 39.15% 13.48% 15.26% 18.65% 18.44% 21.85% 21.11% 22.01% 0.00% 10.00% 20.00% 30.00% 40.00% 50.00% 60.00% 70.00% 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017
Bước sang năm 2011, các hoạt động tái cơ cấu ngân hàng bắt đầu diễn ra với các thương vụ hợp nhất, sáp nhập. Bấy giờ nền kinh tế phải đối mặt với nhiều biến động bất lợi, NHNH tiến hành chủ trương thắt chặt tiền tệ, hệ quả đã đẩy lãi suất thị trường lên cao. Lãi suất tăng cao gây nhiều trở ngại cho các đối tượng vay vốn, ảnh hưởng đến tổng dư nợ cho vay ra nền kinh tế. Cùng với đó nợ xấu gia tăng (quan sát hình 4.1), điều này được xem như hệ quả tất yếu của giai đoạn bùng nổ tín dụng. Nợ xấu tại các NHTM Việt Nam không phải mới phát sinh trong năm này, mà thực chất đã tích tụ từ các năm trước. Khi tình hình kinh tế vĩ mô xấu đi, hoạt động sản xuất kinh doanh trì trệ, thì cũng là lúc nợ xấu nảy nở như nấm sau mưa. Sau cùng, hệ quả là tốc độ tăng trưởng tín dụng giảm sâu nhất trong cả giai đoạn nghiên cứu, nợ xấu bắt đầu đà tăng và dự kiến bùng nổ trong thời gian sắp tới.
Nói thêm về công cụ điều hành hạn mức tín dụng, tại Việt Nam từ năm 1994 thì