3.2.1. Biến phụ thuộc
Khả năng thanh khoản của các NHTM thường được ước lượng thông qua bốn chỉ số sau đây: LIQl = LIQ2 = LIQ3 LIQ4 Tài s n thanhả kho nả T ng tài s nổ ả Tài s n thanhả kho nả T ng ti n g iổ ề ử D n cho vayư ợ T ng tài s nổ ả D n cho vayư ợ T ng ti n g iổ ề ử
Tuy nhiên, nghiên cứu này lựa chọn sử dụng chỉ số LIQ2 để đo lường khả năng thanh khoản của các NHTM Việt Nam. Đây là chỉ số được các tác giả trong và ngoài nước sử dụng gần như là phổ biến nhất, có thể kể đến như Aspachs & cộng sự (2005), Delechat & cộng sự (2012), Vodová (2011), Vũ Thị Hồng (2015), Phạm Quốc
Việt & Nguyễn Văn Vinh (2019), ...
Tài sản thanh khoản bao gồm tiền và các khoản tương đương tiền, tiền gửi tại NHNN và các TCTD khác, chứng khoán chính phủ và chứng khoán tương tự khác. Ngân hàng có khả năng thanh khoản tốt khi nắm giữ nhiều tài sản thanh khoản. Chỉ
số LIQ2 được tính với giả định ngân hàng không thể vay từ NHNN hoặc các ngân hàng khác trong trường hợp thiếu hụt thanh khoản. Chỉ số thể hiện khả năng ngân hàng dùng tài sản thanh khoản để chi trả cho các yêu cầu rút tiền của khách hàng. Do
đó, ngân hàng đủ khả năng đáp ứng cho loại nghĩa vụ nợ này khi chỉ số LIQ2 lớn hơn
100% (Vodová, 2013). Chỉ số này càng cao, ngân hàng càng có khả năng hấp thụ cú sốc thanh khoản (khả năng ngân hàng đáp ứng các yêu cầu rút tiền bất chợt của khách
hàng).
3.2.2. Biến độc lập
3.2.2.1. Quy mô ngân hàng (SIZE)
Theo Rauch & cộng sự (2009), quy mô ngân hàng là tổng tài sản ngân hàng sở hữu. Do giá trị tuyệt đối của tổng tài sản là con số rất lớn nên quy mô ngân hàng được đo lường bằng logarit tự nhiên của tổng tài sản. Khi ngân hàng càng mở rộng quy mô thì khả năng thanh khoản càng tăng bởi vì có thêm nhiều cơ hội huy động những nguồn vốn khác. Tuy nhiên nếu mở rộng quy mô thêm nữa có thể làm cho chi phí tăng, sự phát triển về trình độ quản lý, nguồn nhân lực không theo kịp sự phát triển của quy mô khiến cho rủi ro của ngân hàng tăng cao, trong đó có rủi ro thanh khoản. Vì thế tác giả đặt giả thuyết nghiên cứu như sau:
Giả thuyết 1: Quy mô ngân hàng có tác động cùng chiều hoặc ngược chiều đến khả năng thanh khoản.
3.2.2.2. Tỷ lệ vốn chủ sỡ hữu (CAP)
Tỷ lệ vốn chủ sở hữu được tính bằng vốn chủ sở hữu chia cho tổng tài sản. Vốn chủ sở hữu phản ánh thực lực tài chính của ngân hàng. Tỷ lệ này thể hiện tình trạng an toàn tài chính và đủ vốn của một ngân hàng để bù đắp tổn thất bảo vệ người gửi tiền. Những ngân hàng có vốn lớn sẽ khiến khách hàng và nhà đầu tư tin tưởng,
cho lợi nhuận của ngân hàng giảm khi chi phí vốn vay cao. Vì thế tác giả đặt giả thuyết nghiên cứu như sau:
Giả thuyết 2: Tỷ lệ vốn chủ sở hữu có tác động cùng chiều đến thanh khoản.
3.2.2.3. Khả năng sinh lời
Khả năng sinh lời (ROE) được đo lường bằng tỷ lệ giữa lợi nhuận sau thuế và vốn chủ sở hữu bình quân, phản ảnh hiệu quả quản trị của ngân hàng trong việc sử dụng vốn chủ sở hữu. Thông thường, các NHTM rơi vào tình trạng tiến thoái lưỡng nan trong việc lựa chọn giữa duy trì khả năng thanh khoản (nắm giữ các tài sản thanh
khoản) và tối ưu hóa lợi nhuận. Các khoản cho vay là tài sản có mức sinh lời cao nhất
và chiếm tỷ trọng lớn nhất trong thu nhập hoạt động của ngân hàng. Tuy nhiên rủi ro từ loại tài sản này cũng khá cao. Do đó, chỉ số thanh khoản cao thể hiện ngân hàng có ít rủi ro nhưng đồng thời cũng sinh lời ít (Hempel & Simonson, 1998). Vì thế tác giả đặt giả thuyết nghiên cứu như sau:
Giả thuyết 3: Khả năng sinh lời có tác động ngược chiều đến thanh khoản.
3.2.2.4. Tỷ lệ dự phòng rủi ro tín dụng
Dự phòng rủi ro là khoản tiền được trích lập để dự phòng cho những tổn thất có thể xảy ra do khách hàng không thực hiện nghĩa vụ hoàn trả theo cam kết vay. Theo Thông tư số 39/2013/TT-NHNN ngày 31/12/2013 của Ngân hàng Nhà nước về xác định và trích lập dự phòng rủi ro, các khoản nợ phải thu trong hạn và quá hạn của
TCTD được phân loại theo năm nhóm: nhóm 1 (dưới 6 tháng), nhóm 2 (6 tháng đến dưới 1 năm), nhóm 3 (1 năm đến dưới 2 năm), nhóm 4 (2 năm đến dưới 3 năm) và nhóm 5 (quá hạn từ 3 năm trở lên). Dự phòng cụ thể khoản phải thu được tính bằng giá trị khoản phải thu nhân cho tỷ lệ trích lập tương ứng. Cụ thể, tỷ lệ trích lập như sau: Nhóm 1 (0%), nhóm 2 (30%), nhóm 3 (50%), nhóm 4 (70%) và nhóm 5
nhiều rủi ro thường có đệm thanh khoản thấp. Vì thế tác giả đặt giả thuyết nghiên cứu
như sau:
Giả thuyết 4: Tỷ lệ dự phòng rủi ro tín dụng có tác động ngược chiều đến thanh khoản.
3.2.2.5. Tỷ lệ nợ xấu
Theo Quyết định 493/2005/QĐ-NHNN ngày 22/4/2005 của Ngân hàng Nhà nước về phân loại nợ, nợ của TCTD được phân loại theo năm nhóm: nhóm 1 ( nợ đủ tiêu chuẩn), nhóm 2 (nợ cần chú ý), nhóm 3 (nợ dưới tiêu chuẩn), nhóm 4 (nợ nghi ngờ) và nhóm 5 (nợ có khả năng mất vốn). Nợ xấu là những khoản nợ thuộc nhóm 3,
nhóm 4 và nhóm 5. Tỷ lệ nợ xấu được đo lường bằng tổng dư nợ từ nhóm 3 đến nhóm
5 trên tổng dư nợ cho vay. Những khoản nợ xấu khó thu hồi sẽ ảnh hưởng đến chất lượng tài sản và làm giảm thu nhập của ngân hàng do không thu được gốc và lãi từ người đi vay nhưng vẫn phải trả lãi tiền gửi cho người gửi tiền. Ngân hàng có tỷ lệ nợ xấu cao sẽ khiến khách hàng lo sợ và rút tiền ra khỏi ngân hàng, huy động vốn sẽ khó khăn hơn dẫn đến suy giảm khả năng thanh khoản. Vì thế tác giả đặt giả thuyết nghiên cứu như sau:
Giả thuyết 5: Tỷ lệ nợ xấu có tác động ngược chiều đến thanh khoản.
3.2.2.6. Tỷ lệ tiền gửi
Tỷ lệ tiền gửi được tính bằng tổng tiền gửi khách hàng chia cho tổng tài sản. Trong thời kỳ kinh tế bất ổn, ngân hàng sẽ hạn chế rủi ro hoạt động bằng cách cho vay ít đi và khách hàng sẽ có xu hướng tiết kiệm thông qua việc gửi tiền vào ngân hàng (Moussa, 2015). Như vậy, tỷ lệ tiền gửi càng cao thì thanh khoản càng cao. Vì thế tác giả đặt giả thuyết nghiên cứu như sau:
3.2.2.7. Tỷ lệ cho vay
Tỷ lệ cho vay được tính bằng tổng cho vay chia cho tổng nguồn vốn huy động.
Các ngân hàng thường tập trung nguồn vốn vào hoạt động cho vay do thu nhập chủ yếu của các ngân hàng đến từ hoạt động này. Các khoản này thường có tính thanh khoản thấp, do vậy tỷ lệ cho vay càng lớn thì tính thanh khoản của ngân hàng càng giảm. Vì thế tác giả đặt giả thuyết nghiên cứu như sau:
Giả thuyết 7: Tỷ lệ cho vay có tác động ngược chiều đến thanh khoản.
3.2.2.8. Tỷ lệ tăng trưởng kinh tế
Tổng sản phẩm quốc nội (GDP) là giá trị thị trường của tất cả hàng hóa và dịch
vụ cuối cùng được sản xuất trong lãnh thổ một quốc gia trong một thời kỳ nhất định (thường là một năm). Tăng trưởng GDP là tỷ lệ phần trăm thay đổi của giá trị GDP thời kỳ này so với cùng kỳ năm trước, đo lường mức độ tăng trưởng của nền kinh tế. Công thức tính tỷ lệ tăng trưởng GDP:
GDPt - GDPt-1 _
GDP
Δ = ---r,np . t 1 (%) GDPt—1
Trong giai đoạn kinh tế tăng trưởng, doanh nghiệp bán được hàng và thu nhập
của khách hàng tăng nên khả năng trả nợ của khách hàng cũng tăng. Ngân hàng sẽ tăng cường cho vay để đáp ứng nhu cầu của khách hàng. Điều này làm giảm tài sản thanh khoản ngân hàng nắm giữ. Theo Aspachs và cộng sự (2005), ngược lại trong giai đoạn kinh tế suy thoái, các cơ hội cho vay không nhiều và rủi ro tín dụng tăng nên các ngân hàng hạn chế cho vay và nắm giữ nhiều tài sản thanh khoản. Vì thế tác
3.2.2.9. Tỷ lệ lạm phát
Lạm phát là sự gia tăng mức giá chung một cách liên tục của hàng hóa và dịch
vụ của nền kinh tế theo thời gian. Tỷ lệ lạm phát được đo lường thông qua phần trăm gia tăng mức giá chung của kỳ này so với kỳ trước. Nghiên cứu sử dụng chỉ số CPI để đo lường lạm phát. Công thức tính CPI và lạm phát như sau:
CPIt ∑q
0 ∙p i
∑q0.p0
Trong đó: q0: khối lượng hàng hóa i ở thời kỳ gốc P0: giá hàng hóa i ở thời kỳ gốc
p11: giá hàng hóa i ở thời kỳ nghiên cứu INF = CPIt - CPIt-1
CPi∑; (%)
Tỷ lệ lạm phát tăng làm giảm giá trị thực của tiền và tài sản. Lãi suất ngân hàng không theo kịp lạm phát của thị trường (đồng tiền hôm nay có giá trị hơn so với trong tương lai). Do đó các tổ chức tài chính, bao gồm cả ngân hàng hạn chế cấp tín dụng trong thời gian này dẫn đến số lượng tài sản thanh khoản ngân hàng nắm giữ tăng khi lạm phát tăng (Fola, 2015). Vì thế tác giả đặt giả thuyết nghiên cứu như sau:
Giả thuyết 9: Tỷ lệ lạm phát có tác động cùng chiều đến thanh khoản.
3.2.2.10. Tỷ lệ thất nghiệp
Thất nghiệp là tình trạng người trong độ tuổi lao động, chưa có hoặc mất việc làm. Tỷ lệ thất nghiệp là tỷ lệ giữa người lao động không có việc làm và tổng số lực lượng lao động xã hội. Tỷ lệ thất nghiệp tăng khiến nhu cầu đi vay giảm, các ngân hàng hạn chế cho vay vì khách hàng không đủ điều kiện được vay và rủi ro khách hàng không trả được nợ cao. Vì vậy, khi tỷ lệ thất nghiệp tăng, khả năng thanh khoản của ngân hàng tăng. Nhưng cũng có trường hợp thất nghiệp xảy ra làm mất nguồn thu nhập chủ yếu để hoàn trả các khoản nợ vay hiện hành. Điều này gây áp lực cho ngân
hiệu dấu liệu Biến phụ thuộc
Khả năng thanh khoản
LIQ Tài s n thanh kho nả ả
T ng ti n g iổ ề ử
Báo cáo tài chính
Biến độc lập
Quy mô
ngân hàng SIZE
Logarit (Tổng tài sản) +/- Báo cáo tài chính Tỷ lệ vốn
chủ sở hữu CAP
V n ch s h uố ủ ở ữ
T ng tài s nổ ả +
Báo cáo tài chính Khả năng
sinh lời ROE
L i nhu n sau thuợ ậ ế
V n ch s h u bình quânố ủ ở ữ -
Báo cáo tài chính Tỷ lệ dự phòng rủi ro tín dụng LPR Chi phí d phòng r i ro tín d ngự ủ ụ T ng cho vayổ -
Báo cáo tài chính
Tỷ lệ nợ xấu NPL
D n nhóm 3 + nhóm 4 + nhóm 5ư ợ
T ng d n cho vayổ ư ợ -
Báo cáo tài chính
hàng về việc bù đắp những tổn thất này cho nên thanh khoản dễ bị sụt giảm. Vì thế tác giả đặt giả thuyết nghiên cứu như sau:
Giả thuyết 10: Tỷ lệ thất nghiệp có thể tác động cùng chiều hoặc ngược chiều đến thanh khoản.
Tỷ lệ cho
vay LDR
T ng cho vayổ
T ng huy đ ngổ ộ -
Báo cáo tài chính Tỷ lệ tăng trưởng kinh tế GDP GDPt - GDPt-1 GDP Δ = ---r,np . t 1 (%) GDPt-1 - kWorldBan Tỷ lệ lạm phát INF CPIt - CPIt-1 _ ,NF = CPlt-1 (%) + WorldBan k Tỷ lệ thất nghiệp UNE
T ng s ngổ ố ười th t nghi p năm tấ ệ
T ng s l c lổ ố ự ượng lao đ ng năm tộ ( /°)
3.3.1. Thu thập và xử lý dữ liệu
Dữ liệu bảng là dạng dữ liệu kết hợp của dữ liệu chuỗi thời gian và dữ liệu chéo. Thông qua kết hợp các chuỗi theo thời gian của các quan sát theo không gian, dữ liệu bảng cung cấp những dữ liệu có nhiều thông tin hơn, đa dạng hơn, giúp hạn chế được các khuyết tật của mô hình, ít cộng tuyến hơn giữa các biến số, nhiều bậc tự do hơn và hiệu quả hơn. Chính vì những lý do trên, sử dụng dữ liệu bảng sẽ tốt nhất cho nghiên cứu thay vì dữ liệu chuỗi thời gian hay dữ liệu chéo đơn thuần.
Dữ liệu sử dụng là dữ liệu dạng bảng được thu thập từ các BCTC thường niên của 32 NHTM tại Việt Nam, bao gồm các bảng BCTC, cân đối kế toán, báo cáo kết quả kinh doanh. Nhưng trong quá trình tổng hợp, tác giả thấy có sự không đầy đủ trong dữ liệu được cung cấp của một số ngân hàng. Vì thế tác giả đã cân nhắc loại bỏ một số ngân hàng có số liệu cung cấp bị thiếu sót. Bên cạnh đó cũng có các ngân hàng không công khai dữ liệu trong một vài năm nên các năm này cũng được loại bỏ nhưng
vẫn giữ lại các năm đầy đủ dữ liệu. Vậy, cuối cùng dữ liệu trên được lấy từ 25 NHTM. Với sự thiếu sót dữ liệu, dữ liệu bảng được tổng hợp là dữ liệu bảng không cân bằng (unbalanced).
Mẫu nghiên cứu: Nghiên cứu được thực hiện trên mẫu thu thập từ nhóm 32 NHTM tại Việt Nam từ năm 2010 đến 2020. Sau đó chọn được 25 NHTM đảm bảo hoạt động liên tục và có BCTC cập nhật ít nhất 11 năm trong khoảng thời gian nghiên cứu. Riêng các biến vĩ mô thu thập từ nguồn dữ liệu Worldbank, Statista. Vì vậy, dữ liệu nghiên cứu là đáng tin cậy.
Phần mềm phân tích dữ liệu: Nghiên cứu sử dụng phần mềm Stata để phân tích hồi quy. Sau khi thu thập dữ liệu, khóa luận thực hiện thống kê mô tả dữ liệu. Kết quả thống kê mô tả cung cấp các thông số về trung bình, độ lệch chuẩn, giá trị lớn nhất, giá trị nhỏ nhất của biến phụ thuộc và các biến độc lập.
3.3.2. Ma trận tương quan giữa các biến
Ma trận tương quan giữa các biến được dùng để kiểm tra mối quan hệ giữa các biến trong mô hình. Giá trị của hệ số tương quan luôn nằm trong phạm vi từ -1 đến 1. Hệ số tương quan bằng 1 thể hiện giữa hai biến số có mối tương quan dương hoàn hảo, hệ số tương quan bằng -1 thể hiện mối tương quan âm hoàn hảo. Hai biến số không có mối quan hệ tuyến tính khi hệ số tương quan bằng 0. Trong trường hợp các biến độc lập có mối tương quan cao (lớn hơn hoặc bằng 0.8), đây có thể là dấu hiệu của hiện tượng đa cộng tuyến khiến ước lượng không hiệu quả và kết quả không đáng tin cậy. Nếu hiện tượng đa cộng tuyến xảy ra, tác giả sẽ tiến hành loại bỏ biến ra khỏi mô hình.
3.3.3. Phân tích hồi quy
Nghiên cứu sử dụng phương pháp phân tích hồi quy dữ liệu bảng. Có ba mô hình hồi quy dữ liệu bảng cơ bản là mô hình bình phương bé nhất dữ liệu gộp (Pooled OLS), mô hình tác động cố định (Fixed Effect Model/ FEM) và mô hình tác động ngẫu nhiên (Random Effect Model/ REM).
❖ Mô hình bình phương bé nhất dữ liệu gộp (Pooled OLS):
Ylt = « + βixit,l +β2xit,2 +---+βkxit,k + uit
Mô hình Pooled OLS phản ánh tác động của các biến giải thích đến biến phụ thuộc với giả định không có sự khác biệt giữa các đơn vị chéo. Nói cách khác, các đơn vị chéo là đồng nhất (homogeneous). Tuy nhiên, điều này rất hiếm xảy ra vì trong thực tế, các đơn vị chéo (trong bài nghiên cứu là các ngân hàng) không thể giống nhau hoàn toàn.
❖ Mô hình tác động cố định (FEM):
Yit = «i + βixi,it + β2x2,it +---+ βkxk,it + uIt
Mô hình FEM phản ánh tác động của các biến giải thích đến biến phụ thuộc có phân biệt giữa các đơn vị chéo. Sự xuất hiện của αi phản ánh sự không đồng nhất giữa các đơn vị chéo và không thay đổi theo thời gian.
❖ Mô hình tác động ngẫu nhiên (REM):
γit = a + βixi,it + β2x2,it + ■■■ + βkxk,it + ωit
với ωit = εi + vit
Mô hình REM phản ánh tác động của các biến giải thích đến biến phụ thuộc