Dựa trên những lý thuyết nền tảng và các nghiên cứu trước đây, tác giả đặt ra giả thuyết nghiên cứu: Sở hữu tập trung có tác động tích cực đến rủi ro thanh khoản.
28
KẾT LUẬN CHƯƠNG 2
Trong chương 2, tác giả đã giới thiệu về khái niệm, nền tảng lý thuyết và cách
thức đo lường tỷ lệ sở hữu tập trung của NHTM cũng như rủi ro thanh khoản NHTM.
Các công trình nghiên cứu trong và ngoài nước về tác động của tác động của sở hữu tập trung đến rủi ro thanh khoản của NH cũng đã được nhóm tác giả trình bày cụ thể,
dùng để làm cơ sở nền tảng cho việc nghiên cứu ở các chương sau. Tác giả nhận thấy
các nghiên cứu cho kết quả không thống nhất nhau về mức độ và chiều hướng tác động. Bài nghiên cứu kế thừa các nghiên cứu trước để xây dựng mô hình nghiên cứu về tác động của sở hữu tập trung đến rủi ro thanh khoản của các NHTM, sau đó đưa ra nhận định và hàm ý chính sách từ kết quả đạt được. Nội dung chương 3 sẽ trình bày cụ thể hơn phương pháp nghiên cứu của đề tài nhằm đạt được các mục tiêu nghiên
Tên biến Ký hiệu Công thức Dấu kỳ vọng
Rủi ro thanh khoản
RLIQ T ng cho vay — T ng ti n g i kháchổ ổ ề ử hàng
T ng tài s nổ ả
29
CHƯƠNG 3: MÔ HÌNH VÀ PHƯƠNG PHÁP NGHIÊN CỨU 3.1 Nguồn dữ liệu
Dữ liệu có cấu trúc dữ liệu bảng (penal data) không cân bằng. Dữ liệu được tổng hợp từ Báo cáo tài chính, Báo cáo thường niên của 30 NHTM giai đoạn từ năm 2009 đến năm 2020 và từ trang web của NH Nhà nước Việt Nam. Bên cạnh đó các số liệu vĩ mô được thu thập từ Worldbank và Tổng Cục Thống Kê.
3.2. Kỹ thuật thu nhập dữ liệu
Các biến LIQATA, SIZE, CAR được tính theo công thức và các số liệu trong các công thức có liên quan thu thập từ các báo cáo tài chính và báo cáo thường niên của các NH trong giai đoạn 2009 - 2020.
Các biến vĩ mô như EXCHRT được thu thập trên các website của NH Nhà nước Việt Nam và Worldbank.
Đối với biến sở hữu tập trung OC được thu thập dựa vào báo cáo thường niên - phần thông tin cổ đông của các NH có liên quan.
3.3. Kỹ thuật chọn mẫu
Nghiên cứu được thu thập từ dữ liệu thứ cấp được công bố trong các báo cáo tài chính đã được kiểm toán và báo cáo thường niên của 32 NHTM Việt Nam giai đoạn 2009 - 2020. Bên cạnh đó còn lấy số liệu trên website NH Nhà nước và World Bank.
Nghiên cứu sẽ thực hiện các kiểm định sau đây với sự hỗ trợ của phần mềm kinh tế lượng Stata để xử lý, phân tích và giải thích số liệu:
3.4. Kỹ thuật xử lý, phân tích và giải thích số liệu
Thống kê mô tả mẫu nghiên cứu: thống kê mô tả những đặc tính cơ bản của dữ liệu như giá trị trung bình (Mean), độ lệch chuẩn (Standard Deviation), giá trị nhỏ
nhất (Minimum) và giá trị lớn nhất (Maximum). 30
Kiểm định đa cộng tuyến: kiểm tra khả năng xảy ra hiện tượng đa cộng tuyến giữa các biến độc lập. Khi hiện tượng đa cộng tuyến xảy ra, khoảng tin cậy lớn và việc kiểm định ít có ý nghĩa, R2 cao nhưng tỷ số t ít có ý nghĩa, ... Kiểm định này được thực hiện với mục đích phát hiện kịp thời hiện tượng đa cộng tuyến và có các giải pháp khắc phục thích hợp.
Kiểm định tự tương quan: Kiểm định này được thực hiện với mục đích kiểm tra sự tương quan giữa các sai số trong giả thiết của mô hình hồi quy.
Phân tích hệ số tương quan Pearson (r): dùng để kiểm tra các giả thuyết được trình bày ở mục trên
Hồi quy tác động cố định FEM: Mô hình này cho phép sử dụng dữ liệu về các
biến số qua thời gian để dự tính tác động của các biến độc lập tới biến phụ thuộc và là một kỹ thuật chủ yếu sử dụng trong phân tích hồi quy dữ liệu bảng.
Hồi quy tác động ngẫu nhiên REM: được sử dụng khi các biến không quan sát
được thay đổi giữa các đơn vị chéo và thay đổi theo thời gian.
Kiểm định Hausman: được sử dụng để lựa chọn giữa 2 mô hình FEM và REM
Kiểm định White: kiểm định này dùng để phát hiện. Nếu mô hình tồn tại phương sai sai số thay đổi sẽ làm giảm độ chính xác của các thống kê.
Kiểm định GLS: kiểm định này được thực hiện để khắc phục sai sót trong trường hợp xảy ra hiện tượng phương sai sai số thay đổi.
3.5 Các biến sử dụng trong mô hình
Mức độ tập trung quyền sở hữu
OC
tỷ lệ phần trăm
vốn chủ sở hữu của cổ đông lớn nhất
+
Quy mô NH SIZE Log (Tổng tài sản) -
Tỷ giá hàng
năm của
VND/USD
EXCHRT
VND. (Được lấy thống nhất vào ngày 31/12 hàng năm.) + - Ngưỡng hệ số an toàn vốn CAR V n ch s h uố ủ ở ữ Tài s n có r i roả ủ + - 31
Nguồn: Tác giả tổng hợp
3.6. Mô hình nghiên cứu
Mô hình khóa luận sử dụng chủ yếu đúc kết từ nghiên cứu của Agusman, A., Cullen, G. S., Gasbarro, D., Monroe, G. S., & Zumwalt, J. K. (2014) với đề tài “Government intervention, bank ownership and risk-taking during the Indonesian financial crisis. Pacific-Basin Finance Journal ”. Có phương trình tổng quát như đây:
RLIQi,t = α1OCi,t+α2 SIZEi,t+α3EXCHRTi,t+α4CARi,t+ui,t Trong đó:
- Trong đó: t và i = [1, 2,..., N] lần lượt là năm t và ngân hàng thứ i, RLIQifà
rủi ro thanh khoản của ngân hàng i năm t
Uiit là các sai số của ngân hàng i tại thời điểm t
RLIQ - Rủi ro thanh khoản: được đo lường bằng cách lấy chênh lệch giữa các
khoản tín dụng và huy động vốn chia cho tổng tải sản, RLIQ là thước đo rủi ro thanh khoản. Ở đây, RLIQ của ngân hàng càng cao thì tính thanh khoản càng thấp (Saunders
& Cornett, 2006 và Trương Quang Thông, 2013)
32
vốn chủ sở hữu của cổ đông lớn nhất. Neu mức độ sở hữu tập trung tăng lên có liên quan đến việc chấp nhận rủi ro lớn hơn, thì mối quan hệ cùng chiều được mong đợi giữa OC và rủi ro thanh khoản (Kim và Rhee, 2000 và Kim et al, 2016).
SIZEi,t - Quy mô NH: Quy mô NH được đo lường bằng cách lấy logarithm tổng tài sản của NH đó. Dữ liệu được nằm dưới dạng logarithm vì đây là đặc điểm có
xu hướng mạnh và nó lấn át các thành phần còn lại (Phạm Thị Tuyết Trinh, 2016). Theo hầu hết các tác giả, quy mô NH luôn tác động đến rủi ro TK theo 2 hướng là tích cực hoặc tiêu cực. Nếu SIZE có mối tương quan dương với rủi ro TK chứng tỏ nếu càng mở rộng quy mô thì chi phí hoạt động và quản lý sẽ tăng, nguồn nhận lực không đủ đáp ứng để kiểm soát rủi ro . Nếu SIZE có mối tương quan âm với rủi ro TK chứng tỏ NH càng mở rộng quy mô thì NH có nhiều khả năng thu hút được các nguồn vốn, cũng như cho vay nhiều hơn và lợi nhuận mang về cho NH nhiều hơn. Do mở rộng nên việc thu hút được các nguồn vốn bên ngoài dễ dàng hơn nhằm đáp ứng các nhu cầu thanh khoản ngắn hạn kịp thời, nghĩa là rủi ro TK giảm vì thế ta có giả thuyết tồn tại tác động ngược chiều giữa rủi ro TK và quy mô NH.
EXCHRT - Tỷ giá hàng năm của VND/USD: Kwon et al. (1997) và Crosby (2004) cho rằng biến động tỷ giá hối đoái phản ánh các điều kiện kinh tế vĩ mô. Ngoài
ra, tình trạng tiêu cực ngân hàng của Việt Nam bắt nguồn từ cuộc khủng hoảng tiền tệ. Do đó, việc sử dụng EXCHRT như một biến điều khiển là hợp lý. Mối quan hệ giữa EXCHRT và các biện pháp rủi ro có thể là tích cực hoặc tiêu cực. Tỷ giá hối đoái tăng phản ánh sự suy giảm trong Nền kinh tế Việt Nam và do đó, các ngân hàng sẽ trở nên rủi ro hơn do tốc độ ngày càng tăng của các khoản nợ khó đòi hoặc tài sản xấu. Tuy nhiên, sự giảm EXCHRT cho thấy sự cải thiện trong nền kinh tế của đất nước khi đồng nội tệ của nó trở nên mạnh hơn. Theo điều kiện kinh tế chung cải thiện,
33
lỏng các chính sách tín dụng của họ vì rủi ro vỡ nợ của người đi vay ngày càng giảm.
Vì rủi ro vỡ nợ đang giảm, tài sản của cổ đông tăng.
CAR - Ngưỡng hệ số an toàn vốn: Năm 1999, hệ số CAR đầu tiên được qui định tại Việt Nam theo Quyết định số 297/1999/QĐ - NHNN ngày 25/8/1999 ban hành qui định về các tỉ lệ bảo đảm an toàn trong hoạt động của tổ chức tín dụng chính
thức. Theo đó, Quyết định nêu rõ tỉ lệ an toàn vốn tối thiểu là 8%. Nếu tỉ lệ này thấp hơn 8% thì sẽ tác động tiêu cực đến rủi ro thanh khoản.
3.7 Mô hình ước lượng sử dụng
Theo Saunders et al. (2016), có hai phương pháp nghiên cứu khác nhau, cụ thể
là định lượng và định tính. Phương pháp định tính được định nghĩa là hành động xã hội được phát triển theo trên người giải thích và sự phụ thuộc kinh nghiệm của họ để có được sự hiểu biết về hiện tượng xã hội (Mohajan, 2018). Phương pháp định lượng
được định nghĩa là hành động phân tích mối quan hệ giữa các biến và các kết quả đóng góp trực tiếp cho các lý thuyết hiện có (Williams, 2007). Trong nghiên cứu, phương pháp nghiên cứu định lượng được đề xuất để sử dụng. Có bốn kỹ thuật phân tích dữ liệu của phương pháp nghiên cứu định lượng sẽ được sử dụng, trong đó có Pooled OLS, FEM, REM. Mỗi kỹ thuật phân tích dữ liệu được khám phá và nó được dựa trên các tài liệu của Zulfikar (2018). Tác giả dùng kiểu dữ liệu bảng (panel data) được hồi quy theo 3 cách: mô hình hồi quy Pooled OLS, FEM, REM và FGLS bằng phần mềm Stata để nghiên cứu tác động của hoạt động kinh doanh ngoài lãi đến hiệu quả hoạt động của các NHTM VN.
3.7.1 Mô hình tác động ngẫu nhiên (REM)Mô hình ước lượng sử dụng: Mô hình ước lượng sử dụng: Yit = αi + β1X1,it +
β2X2,it + ... + βkXk,it + uit Trong đó:
34
Yit: Thời gian (năm) Xit: Biến độc lập
αi (i=1 ... n): Bao gồm hệ số chặn và biến bị bỏ sót của từng đơn vị chéo βk: Hệ số góc đối với nhân tố X
Uit: Phần dư
Mô hình FEM giả định rằng mỗi đơn vị đều có những đặc điểm riêng biệt có thể tác động đến các biến giải thích, FEM được sử dụng để phân tích mối tương quan
này giữa phần dư của mỗi đơn vị với các biến giải thích qua đó kiểm soát và tách ảnh
hưởng của các đặc điểm riêng biệt (không đổi theo thời gian) ra khỏi các biến giải thích để chúng ta có thể ước lượng những ảnh hưởng thực của biến giải thích lên biến
phụ thuộc, do đó FEM giải quyết được vấn đề biến bị bỏ sót.. Mô hình hồi quy này sử dụng biến giả để nắm bắt những vấn đề bị bỏ sót (bị chắn) của mỗi ngân hàng trong dữ liệu. Mô hình FEM vẫn dựa trên phương pháp Pooled OLS. Các chỉ tiêu thống kê quan trọng trong mô hình của FEM cũng tương tự như R-square, F-test và p-giá trị trong POLS. Với việc áp dụng các mô hình hiệu quả cố định, người ta tin rằng mỗi ngân hàng thương mại tại Việt Nam có những đặc điểm riêng của mình và những đặc điểm này có thể hoặc không thể ảnh hưởng đến khả năng sinh lời của nó. Từ đặc điểm riêng của một ngân hàng có thể ảnh hưởng đến khả năng sinh lời của nó, FEM loại bỏ ảnh hưởng của đặc điểm thời gian bất biến để tác động ròng của các
biến độc lập về khả năng sinh lời của các ngân hàng được ước tính. Tuy nhiên, phương
pháp này có nhược điểm là làm giảm bậc tự do của mô hình, đặc biệt khi số biến giả lớn.
3.7.2 Mô hình tác động ngẫu nhiên (REM)Mô hình REM được trình bày như sau: Mô hình REM được trình bày như sau:
35
Yit = α + β1X1,it + β2X2,it + ... + βkXk,it + ωit Với ωit = εi + νit Trong đó:
a: Hệ số chặn chung của tất cả đơn vị chéo ωit: Sai số phức hợp εi: Sai số ngẫu nhiên
νit: Tương quan chéo và không tương quan chuỗi trong cùng đối tượng
Mô hình REM nghiên cứu những khác biệt của riêng của các đối tượng phân tích qua thời gian đóng góp vào mô hình và ảnh hưởng chung (không thay đổi
theo đơn vị chéo) của các biến giải thích, do đó tự tương quan là một vấn đề tiềm tàng trong mô hình cần phải giải quyết. Lợi ích của việc sử dụng REM là nó sẽ loại bỏ các vấn đề liên quan đến phương sai thay đổi (heteroskedasticity). Kỹ thuật
ước lượng chính là phương pháp bình phương tối thiểu (generalized least square). Điểm khác biệt giữa FEM và REM được thể hiện ở sự biến động giữa các đơn vị. Nếu FEM cho rằng các đơn vị chéo khác nhau ở hệ số chặn cố định và sự biến động giữa các đơn vị có tương quan đến biến độc lập - biến giải thích trong mô hình FEM thì trong mô hình REM sự biến động giữa các đơn vị được cho là ở sai số và không tương quan đến các biến giải thích.
Chính vì vậy, nếu sự khác biệt giữa các đơn vị có tác động đến biến phụ thuộc thì REM sẽ phù hợp hơn so với FEM. Trong đó, phần dư của mỗi thực thể (không tương quan với biến giải thích) được xem là một biến giải thích mới. 3.7.3 Phương pháp binh phương tối thiểu tổng quát khả thi (FGLS - Feasible
36
Generalized Least Squares)
REM được ước lượng bằng GLS nếu biết được cấu trúc của sai số phức hợp,
nhưng vì cấu trúc của sai số phức hợp thường không được biết nên thông thường ta sử dụng phương pháp ước lượng bình phương bé nhất tổng quát khả thi FGLS (Feasible Generalised Least Squares) để ước lượng mô hình REM.
Một cách tổng quát, chúng ta không biết được cấu trúc của phương sai của sai số thay đổi (ơ_(i)) ), làm cho việc ước lượng GLS khó thực hiện. Để thực hiện được thì phải ước lượng của σ bằng cách dùng các phương trình hồi quy của tác giả Glejser, Breush- Pagan, God Fray, White.
Giả định phương sai của phần dư có mối quan hệ luỹ thừa với tổ hợp tuyến tính các biến giải thích sau:
Var (u x)-∣ = σ^2 exp(ỗ_0+ Ỗ_1 xil'---' δ k x_ik ), trong đó, h (x) = exp(ỗ_0+ỗ_1 x_i1+ỗ_2 x_i2+- -' δ k x_ik)
Nếu mô hình được chọn trước có xảy ra hiện tượng tự tương quan hay phương sai thay đổi qua các biến, nhóm có thể sử dụng mô hình này để khắc phục hiện tượng này.
Variable Obs Mean Std. Dev. Min Max QLIQ ^262 -0.0923278 0.1168679 -0.3804724 0.3676008 CAR ^262 0.1360674 0.0373937 0.0834 0.2687 EXCHRT ^262 21647.98 1535.503 17941 23190 ^OC ^262 0.163214 0.1101309 0.0453 0.8947 SIZE ^262 7.94287 0.4123428 7.017806 8.80195 37 KẾT LUẬN CHƯƠNG 3
Với chương chương 2, nhóm tác giải đã khái quát về khái niệm cũng như nền tảng lý thuyết các cách đo lường tỷ sở hữu tập trung đến rủi ro thanh khoản của ngân hàng. Đến với chương 3, nhóm tác giả đã đưa ra danh sách ngân hàng được chọn để thực hiện nghiên cứu, nguồn của dữ liệu cũng như các công thức xử lí dữ liệu. Bên cạnh đó, nhóm tác giả cũng đã khái quát, liệt kê và ước lượng các biến trong mô hình và các mô hình mà nhóm tác giả sẽ sử dụng như mô hình tác động cố định (FEM) và mô hình tác động ngẫu nhiên (REM). Và cuối cùng, nhóm tác giã đã đưa ra mô hình đề xuất cho bài nghiên cứu và đặt kỳ vọng cho các biến tác động đến mô hình. Tiếp nối theo chương 3, với chương 4 nhóm tác giả đưa ra kết quả từ việc chạy mô hình từ đó đưa ra kết luận.
38
CHƯƠNG 4: THỰC HIỆN MÔ HÌNH NGHIÊN CỨU VÀ PHÂN TÍCH KẾT QUẢ
4.1. Thống kê mô tả
Bảng 4.1: Số liệu thống kê mô tả các biến được sử dụng trong mô hình nghiên cứu
Variable RLIQ CAR EXCHRT OC SIZE RLIQ 1.0000 CAR 0.2369 1.0000 EXCHRT -0.0734 -0.2841 1.0000 OC -0.0822 0.1422 -0.0827 1.0000 SIZE -0.2211 -0.6159 0.4348 -0.1797 1.0000