Thông qua kết quả nghiên cứu tìm được trong đề tài này kết hợp với những hạn chế được nêu ở trên, tác giả đề xuất một số hướng nghiên cứu tiếp theo có thể thực hiện trong tương lai như sau:
Những nghiên cứu tiếp theo có thể tiếp tục phát triển bằng các mở rộng mẫu nghiên cứu thông qua việc đưa thêm các biến thuộc nhân tố phi tài chính như vấn đề đạo đức trong sử dụng vốn vay, năng lực tài chính khách hàng, kinh nghiệm của cán bộ tín dụng, đa hóa nghành nghề kinh doanh, kiểm tra và giám sát khoản vay. Việc đa đạng hóa các yếu tố tác động thuộc tài chính và phi tài chính sẽ cung cấp một cái nhìn toàn vẹn nhất về RRTD của các NHTM tại Việt Nam cũng như góp phần hoàn thiện và bổ sung cho kết quả nghiên cứu hiện tại.
Mở rộng mẫu nghiên cứu về số lượng và các loại hình ngân hàng cũng có thể được cân nhắc thực hiện cho các nghiên cứu sau này. Tương tự như các yếu tố phi tài chính, mẫu khảo sát của mô hình nghiên cứu có thể lựa chọn các ngân hàng liên doanh, ngân hàng có 100% vốn nước ngoài và chi nhánh ngân hàng nước ngoài nhằm làm bật lên tác động của các yếu tố đến RRTD của từng loại ngân hàng. Hướng nghiên cứu cho phép phân tích riêng cho từng loại ngân hàng, tìm ra những mặt tích cực và khó khăn trong vấn đề giảm thiểu RRTD đối với mỗi loại từ đó đề xuất các biện pháp hạn chế RRTD phù hợp và hiệu quả hơn.
Thêm một hướng nghiên cứu khác có thể phát triển trong tương lai là kết hợp nghiên cứu thực nghiệm các ngân hàng tại Việt Nam với một số ngân hàng trong khu vực Đông Nam Á hoặc Châu Á. Sự khác nhau giữa các yếu tố tác động đến RRTD giữa các nước thông qua đặc điểm, thể chế ngân hàng, môi trường kinh tế sẽ làm nổi bật lên các kết quả nghiên cứu cho Việt Nam. Từ đó có thể học tập kinh nghiệm hoặc phát huy những thành tựu đã được trong công tác quản lý kiểm soát RRTD giữa Việt Nam và các quốc gia khác.
KẾT LUẬN CHƯƠNG 5
Từ kết quả thu được ở mô hình nghiên cứu trong chương 4 của đề tài, các khuyến nghị ở chương 5 này được đưa ra tập trung khắc phục những vấn đề còn tồn tại, nhằm hạn chế RRTD trong những năm tiếp theo, hướng phát triển chủ yếu trong bài nghiên cứu đều xoay quanh 8 yếu tố tác động chính được tác giả lựa chọn để kiểm định. Bên cạnh đó, tác giả cũng đưa ra một số khuyến nghị đối với các NHTM và NHNN trong công tác quản lý và kiểm soát nhằm giảm thiểu RRTD thông qua những chính sách hỗ trợ hiệu quả và hợp lý giúp cho hệ thống NHTM Việt Nam phát triển bền vững và hiệu quả hơn trong thời gian tới.
KẾT LUẬN
Đề tài “Các yếu tố tác động đến rủi ro tín dụng của ngân hàng thương mại
Việt Nam” đã hoàn thành được những mục tiêu nghiên cứu cụ thể: (1) Nghiên cứu
tổng quan cơ sở lý thuyết về rủi ro tín dụng và mô hình nghiên cứu. (2) Xác định và đo lường mức độ ảnh hưởng của các yếu tố ảnh hưởng đến RRTD của NHTM Việt Nam.
(3) Đưa ra các khuyến nghị nhằm giúp các NHTM có thêm bằng chứng thực nghiệm trong việc hạn chế RRTD. Tác giả đã thiết lập các giả thuyết và mô hình kiểm định gồm tám nhân tố có tác động trực tiếp đến RRTD dựa trên dữ liệu của 27 NHTM tại Việt Nam trong giai đoạn nghiên cứu 2009 - 2019. Bao gồm năm biến nội tại ngân hàng là tỷ lệ nợ xấu năm trước, dự phòng rủi ro tín dụng, đòn bẩy tài chính, quy mô và lợi nhuận ngân hàng và ba nhân tố thuộc kinh tế vĩ mô là tăng trưởng GDP, lạm phát và tỷ lệ thất nghiệp. Kết quả cho thấy các yếu tố lợi nhuận ngân hàng, tăng trưởng GDP và tỷ lệ thất nghiệp có tác động ngược chiều đối với RRTD của NHTM, trong khi các yếu tố tỷ lệ nợ xấu năm trước, tỷ lệ lạm phát, đòn bẩy tài chính, dự phòng rủi ro tín dụng và quy mô ngân hàng có tác động cùng chiều. Kết quả trên sẽ là cơ sở quan trọng cho việc đề ra các khuyến nghị nhằm giúp các ngân hàng ngăn ngừa và hạn chế RRTD trong công tác quản lý, kiểm soát cấp tín dụng.
Do thời gian nghiên cứu có hạn nên nghiên cứu chỉ mới thực hiện phân tích các yếu tố tiêu biểu mà chưa đề cập đến tác động của các nhân tố phi tài chính đến RRTD của các NHTM tại Việt Nam. Các nghiên cứu sau này có thể tiếp tục hướng phát triển trên nhằm cung cấp một cái nhìn hoàn thiện nhất về mức độ ảnh hưởng của các yếu tố thuộc nhóm tài chính và phi tài chính đến RRTD của hệ thống NHTM Việt Nam. Mặc dù bản thân tác giả đã cố gắng trong việc thực hiện đề tài, tuy nhiên trong quá trình thực hiện cũng không tránh khỏi những những thiếu sót. Tác giả luận văn rất mong sự đóng góp chân thành của quý thầy cô và các anh chị để giúp cho việc nghiên cứu đề tài được hoàn thiện hơn.
DANH MỤC TÀI LIỆU THAM KHẢO
Danh mục tài liệu tiếng Anh
Arellano, M., & Bover, O. (1995). Another look at the instrumental- variable estimation of error-components models. J. Econom, 68, 29– 52.
Ahlem Selma, Messai và Fathi Jouini (2013) “Micro and macro determinants of Non-performing Loans”. International Journal of Economics and Financial Issues, Vol. 3, No.4, 2013, pp. 852-860.
Ahmed, A. S., Kilic, E., & Lobo, G. J. (2006). Does recognition versus disclosure matter? Evidence from value-relevance of banks’ recognized and disclosed derivative financial instruments. The Accounting Review, 81(3), 567-588.
Anthony Saunders & Helen Lange (1996). Financial institutions management: A modern perspective. Artarmon, N.S.W: Mosby-Williams and Wilkins, c1996.
Baboucek and Jancar (2005), “A var analysis of the effects of macroeconomic shocks to the quality of the aggregate Loan portfolio of the Czech banking sector”, Czech national bank. Working Paper series 1/2005.
Barbara Casu và Claudia Girardone (2006). Efficiency and stock performance in European banking. Journal of business finance & accounting 33 (1-2), 245-262.
Boudriga, A., Taktak, N. B., & Jellouli, S. (2009). Bank specific, business and institutional environment determinants of nonperforming loans: Evidence from MENA countries. Paper for ERF сonference on «Shocks, Vulnerability and Therapy», Cairo, Egypt.
Brock K. Short (1979). The relation between commercial bank profit rates and banking concentration in Canada, Western Europe, and Japan. Journal of Banking & Finance, vol.3, issue 3, 209-219.
Castro (2013). Macroeconomic determinants of the credit risk in the banking system: The case of the GIPSI. Econ. Model. 31, 672-683.
lxx xiii
Chaibi, Hasna and Zied Ftiti (2015). Credit risk determinants: Evidence from a cross-country study. Research in International Business and Finance 33: 1–16.
Chemykh, L, & Theodossiou, A. (2011). Determinants of Bank Long- term Lending Behavior: Evidence from Russia. Multinational Finance Journal, 15(3/4), 193-216.
Das A, Ghosh S. Determinants of Credit Risk in Indian State-owned Banks: An Empirical. Munich Personal RePEc Archive Paper; 2007.
Espinoza, Raphael A. and Prasad, Ananthakrishnan (2010), Nonperforming Loans in the GCC Banking System and Their Macroeconomic Effects. IMFWorking Papers, Vol., pp. 1-24, 2010. Available at SSRN: https://ssrn.com/abstract=1750712.
Galindo, J., & Tamayo, P. (2000). Credit risk assessment using statistical and machine learning: basic methodology and risk modeling applications. Computational Economics, 15(1-2), 107-143.
George H. Hempel and Donald G. Simonson (2001). Bank Management: Text and Cases, 5th Edition, published by Wiley.
Fischer, K.P., Gueyie, J.P. and Ortiz, E. (2000). ‘Risk-taking and Charter Value of Commercial Banks’ From the NAFTA Countries’, paper presented at the 1st International Banking and Finance Conference, Nikko Hotel, Kuala Lumpur, Malaysia.
Jorion, P. (2009). Financial risk manager handbook. Introduction to credit risk.
Laeven, L. and Majnoni, G., (2003). Loan Loss Provisioning and Economic Slowdowns: Too Much, Too late?. World Bank Policy Research Working Paper, no. 2749.
Fofack, Hippolyte (2005). Non-performing loans in sub-Saharan Africa: Causal Analysis and Macroeconomic Implications. World Bank Policy Research Working Paper No. 3769, November.
Hasna, C., & Zied, F. (2015). Credit risk determinants: Evidence from a cross-country study. Research in International Business and Finance, 33 (2015), 1–16.
Hu Jin-Li, Yang Li and Yung-Ho Chiu (2004). Ownership and Non- performing Loans: Evidence from Taiwan’s Banks. The Developing Economies, XLII-3, pp.405-20.
Klein, N (2013). Non-performing loans in CESEE: Determinants and impact on macroeconomic performance (No.13-72). International Monetary Fund.
Louzis, D., Vouldis, A. & Metaxas, V., (2012). Macroeconomic and bank-specific determinants of nonperformancing loans in Greece: A comparative study of mortgage, business and consumer loan portfolios. Joural of Banking & Finance, 36(4), 1012-1027.
Marijana Curak, Sandra Pepur, Klime Poposki (2013). Determinants of non-performing loans – evidence from Southeastern European baking systems. Banks and Bank Systems 8(1), 45-53.
Misman, F.N. & Ahmad, W., (2011). Loan Loss Provisions: Evidence from Malaysian Islamic and Conventional Banks. International Review of Business Research Papers Vol. 7. No. 4. July 2011 Pp. 94-103.
Mohd, Z., A. Karim, Sok-Gee Chan, and Sallahundin Hassan. 2010. “Bank Efficiency and Non-Performing Loans: Evidence from Malaysia and Singapore”. Prague Economic Papers, 2.
Thomas P.Fitch, Dictionary of banking terms, Copyright 1993 by Barron’s Educational Series, Inc.Page 529
Salas, V., & Saurina, J. (2002). Credit risk in two institutional regimes: Spanish commercial and savings banks. Journal of Financial Services Research, 22(3), 203-224.
Somoye, R.O.C (2010), The Variation of Risks on Non-Performing Loans on Pank performances in Nigeria. India Journal of Economics and
Business. Vol. 9.
Somanadevi Thiagarajan, S. Ayyappan, A. Ramachandran 2011, “Credit Risk Determinants of Public and Private Sector Banks in India”, European Journal of Economics, Finance and Administrative Sciences, (34). Koch, Timothy W (1995). Bank Management. Orlando, Florida: Dryden Dress (4rd edition).
Tehulu, T. A. (2013). Determinants of financial sustainability of microfinance institutions in East Africa, European Journal of Business and Management, 5(17), 152-158.
Wahlen, J. M. 1994. The Nature of Information in Commercial Bank Loan Loss Disclosures. The Accounting Review 69 (3):455-478.
Wang Zongjun (2013). The impact of capital strucure on performance: An empirical study of non-financial listed firms in Pakistan. International Journal of Commerce and Management 23(4).
Zribi N, Boujelbene Y. The factors influencing bank credit risk: The case of Tunisia. Journal of Accounting and Taxation, 2011; 4; 70-78.
Danh mục tài liệu tiếng Việt
Bùi Diệu Anh (2009). Giáo trình “Nghiệp vụ tín dụng ngân hàng” - đại học Ngân hàng TPHCM. NXB Phương Đông.
Đỗ Quỳnh Anh. & Nguyễn Đức Hùng. (2013). Phân tích thực tiễn về những yếu tố quyết định nợ xấu tại các ngân hàng thương mại Việt Nam. Nghiên cứu Kinh tế và Chính sách. http://dl.ueb.edu.vn/handle/1247/10499. Lê Vân Chi, Hoàng Trung Lai (2014). Các nhân tố ảnh hưởng tới rủi ro tín dụng của các ngân hàng thương mại Việt Nam. KT&PT, số 207 (II), tháng 09 năm 2014, tr. 98-107.
Trương Đông Lộc, Nguyễn Văn Thép (2015). Các yếu tố ảnh hưởng rủi ro tín dụng của các quỹ tín dụng nhân dân ở khu vực Đồng bằng sông Cửu Long. Tạp chí Nghiên cứu Kinh tế, T. 44, S. 5.
các ngân hàng thương mại niêm yết tại Việt Nam. Tạp chí Phát triển và Hội nhập, số 14(24) – Tháng 01-02/2014, tr.19-26.
Nguyễn Quốc Anh, Nguyễn Hữu Thạch (2015). Các yếu tố ảnh hưởng đến rủi ro tín dụng – Bằng chứng thực nghiệm tại các ngân hàng thương mại Việt Nam. Tạp chí Khoa học Trường Đại học An Giang, tr. 27-39.
Nguyễn Thị Kim Anh (2018). Tác động của vốn ngân hàng đến khả năng sinh lời và rủi ro tín dụng của các ngân hàng thương mại cổ phần ở Việt Nam. Tạp chí Khoa học Trường Đại học An Giang, tr. 59-66.
Phạm Dương Phương Thảo và Nguyễn Linh Đan (2018). Các yếu tố ảnh hưởng đến tỷ lệ nợ xấu của các ngân hàng thương mại cổ phần Việt Nam. Tạp chí Khoa học & Đào tạo Ngân hàng, số 194 – Tháng 7.2018, tr1- 10.
Phan Thị Thu Hà (2007).Giáo trình Ngân hàng thương mại, NXB Đại học Kinh tế quốc dân.
Võ Thị Quý, Bùi Ngọc Toản (2014). Các yếu tố ảnh hưởng đến rủi ro tin dụng của hệ thống ngân hàng thương mại Việt Nam. Tạp chí Khoa học Trường Đại học Mở TP.HCM, số 3 (36) 2014, tr. 16-25.
Trần Huy Hoàng (2013). Khủng hoảng kinh tế, Quản trị Ngân hàng và vấn đề nợ xấu. Tạp chí Công nghệ Ngân hàng, Số 84, pp.4-9.
Quốc hội, 2010. Luật các tổ chức tín dụng. http://thoibaotaichinhvietnam.vn/
THÔNG KÊ MÔ TẢ
PHỤ LỤC
Quantiles
TƯƠNG QUAN CÁC BIẾN
| npl lnpl lev roe uep inf gdp llr lnsize + npl | 1.0000 lnpl | 0.5240 1.0000 lev | 0.0307 0.0686 1.0000 roe | -0.2467 -0.2149 0.0136 1.0000 uep | -0.0691 0.0543 0.0330 -0.2225 1.0000 inf | 0.1258 -0.0558 -0.0943 0.1849 -0.4578 1.0000 gdp | -0.2997 -0.2372 0.0948 0.1494 0.2775 -0.3775 1.0000 llr | 0.0031 -0.1206 -0.1394 0.4650 -0.3116 0.3341 -0.1250 1.0000 lnsize | -0.1803 -0.1372 0.1211 0.3812 0.2614 -0.2307 0.2967 -0.0504 1.0000
KIỂM ĐỊNH ĐA CỘNG TUYẾN
Collinearity Diagnostics
SQRT R-
Variable VIF VIF Tolerance Squared lnpl 1.13 1.06 0.8843 0.1157 lev 1.05 1.02 0.9535 0.0465 roe 1.81 1.35 0.5510 0.4490 uep 1.45 1.21 0.6881 0.3119 inf 1.51 1.23 0.6634 0.3366 gdp 1.38 1.18 0.7223 0.2777 llr 1.49 1.22 0.6689 0.3311 lnsize 1.50 1.22 0.6670 0.3330 Mean VIF 1.42
Variable n Mean S.D. Min .25 Mdn .75 Max npl 287 2.12 1.31 0.34 1.26 1.90 2.70 7.25 lnpl 281 2.16 1.32 0.34 1.30 1.91 2.72 7.25 lev 291 0.88 0.13 0.16 0.89 0.92 0.93 0.97 roe 290 10.14 7.33 0.07 4.66 8.95 14.23 28.48 uep 297 1.87 0.27 1.11 1.74 1.98 2.05 2.13 inf 297 6.17 4.75 0.69 2.80 4.08 9.09 18.68 gdp 297 6.23 0.63 5.25 5.42 6.24 6.81 7.08 llr 291 -1.78 5.13 -27.44 -1.63 -0.76 0.96 2.62 lnsize 291 18.43 1.14 15.02 17.56 18.46 19.19 20.94
KẾT QUẢ HỒI QUY
Source | SS df MS Number of obs = 279
+ F(8, 270) = 17.92
Model | 152.465045 8 19.0581306 Prob > F = 0.0000 Residual | 287.112248 270 1.0633787 R-squared = 0.3468 ---+--- Adj R-squared = 0.3275 Total | 439.577293 278 1.58121328 Root MSE = 1.0312
npl | Coef. Std. Err. t P>|t| [95% Conf. Interval] + | | | | | | | | | + lnpl | .3509051 .0550491 6.37 0.000 .242473 .4593372 lev | -3.246328 2.124782 -1.53 0.128 -7.431585 .938928 roe | -.0465246 .0129947 -3.58 0.000 -.0721208 -.0209284 uep | -.3976674 .3137317 -1.27 0.206 -1.015635 .2203006 inf | .0286214 .0168513 1.70 0.091 -.0045713 .061814 gdp | -.3603097 .1383109 -2.61 0.010 -.6327455 -.087874 llr | .0374446 .0167659 2.23 0.026 .0044203 .0704689 lnsize | .4667239 .2057313 2.27 0.024 .061488 .8719599 _cons | -1.017723 3.214108 -0.32 0.752 -7.348661 5.313214 + sigma_u | .74504515 lnpl .4641688 .0509171 9.12 0.000 .3639238 .5644138 lev .3441589 .5268871 0.65 0.514 -.6931705 1.381488 roe -.0385166 .0112924 -3.41 0.001 -.0607489 -.0162844 uep -.2065322 .2806845 -0.74 0.462 -.7591407 .3460763 inf .03064 .0164165 1.87 0.063 -.0016805 .0629605 gdp -.1983896 .1154331 -1.72 0.087 -.425653 .0288737 llr .0261949 .0145117 1.81 0.072 -.0023756 .0547655 lnsize .04383 .0666503 0.66 0.511 -.0873904 .1750504 _cons 1.883419 1.379283 1.37 0.173 -.8320983 4.598937
Fixed-effects (within) regression Number of obs = 279 Group variable: id Number of groups = 27
R-sq: Obs per group:
within = 0.3022 min = 4
between = 0.0008 avg = 10.3
overall = 0.1555 max = 11
F(8,244) = 13.21 corr(u_i, Xb) = -0.3954 Prob > F = 0.0000 npl | Coef. Std. Err. t P>|t| [95% Conf. Interval]
sigma_e | 1.0137526
rho | .3507057 (fraction of variance due to u_i)
F test that all u_i=0: F(26, 244) = 1.36 Prob > F = 0.1200 Random-effects GLS regression Number of obs= 279
Group variable: id Number of groups = 27
R-sq: Obs per group:
within = 0.2794 min = 4
between = 0.7806 avg = 10.3
overall = 0.3468 max = 11
Wald chi2(8) = 143.38 corr(u_i, X) = 0 (assumed) Prob > chi2 = 0.0000 npl | Coef. Std. Err. z P>|z| [95% Conf. Interval]
+ lnpl | .4641688 .0509171 9.12 0.000 .3643731 .5639645 lev | .3441589 .5268871 0.65 0.514 -.6885207 1.376839 roe | -.0385166 .0112924 -3.41 0.001 -.0606493 -.016384 uep | -.2065322 .2806845 -0.74 0.462 -.7566636 .3435993 inf | .03064 .0164165 1.87 0.062 -.0015356 .0628157 gdp | -.1983896 .1154331 -1.72 0.086 -.4246343 .027855