6. Kết cấu của khóa luận
2.4.2. Các nhân tố mang tính chất định lượng
Tại PvcomBank những năm qua dựa vào số liệu thu thập được đề xuất ba nhân tố là lãi suất cho vay của Ngân hàng, thời hạn cho vay của Ngân hàng và Thu nhập của khách hàng doanh nghiệp.
2.4.2.1. Mô hình và phương pháp nghiên cứu các nhân tố ảnh hưởng đến nợ xấu của KHDN tại Ngân hàng TMCP Đại Chúng Việt Nam
a. Quy trình nghiên cứu
Để đạt được mục tiêu nghiên cứu, quy trình nghiên cứu đóng một vai trò quan trọng của các phân tích lượng:
Thiết kế nghiên cứu:
Bước 1: Xác định các nhân tố cần phân tích
Dựa vào nền tảng lý thuyết, cơ sở lý luận và các nghiên cứu trước đó, đề tài tập trung vào phân tích tác động của yếu tố vi mô đến nợ xấu của KHDN tại Ngân hàng. Tác giả đã lựa chọn 3 biến độc lập: Lãi suất cho vay, Thời hạn cho vay Thu nhập của khách hàng. Việc xác định rõ các yếu tố cần phân tích sẽ giúp cho quá trình thu thập dữ liệu cũng như thực hiện các bước nghiên cứu định lượng tiếp theo trở nên dễ dàng và có hệ thống hơn.
Bước 2: Đưa ra khung lý thuyết
Sau khi xác định được chỉ tiêu cần phân tích, tác giả tiến hành thu thập các tài liệu liên quan đến các nhân tố ảnh hưởng đã được xác định ở bước 1. Dựa vào các bài nghiên cứu đã được công bố trước đó kết hợp với cơ sở lý thuyết tài chính, tác giả đưa ra những giả thuyết nghiên cứu để làm tiền đề cho quá trình phân tích định lượng.
Bước 3: Thu thập và xử lý số liệu
Dựa trên các chỉ tiêu phân tích, tác giả sẽ thu thập các dữ liệu thứ cấp liên quan đến số liệu khách hàng doanh nghiệp và tỷ lệ nợ xấu của ngân hàng giai đoạn 2013 –
2021. Đối với dữ liệu không có sẵn như chỉ số ngành Ngân hàng, tác giả sẽ tiến hành xử lý và tính toán bằng excel trước khi chạy mô hình bằng phần mềm Eviews 10.
Bước 4: Áp dụng mô hình, điều chỉnh mô hình và đưa ra kết quả nghiên cứu
Sau khi thu thập được đầy đủ các số liệu cần thiết, tác giả tiến hành chạy mô hình trên phần mềm Eviews 10. Đầu tiên, tác giả tiến hành phân tích thống kê mô tả. Thông qua việc xem xét này, tác giả sẽ đưa ra những đặc tính cơ bản nhất của các nhân tố được cho là gây ảnh hưởng tới lợi suất cổ phiếu như: giá trị lớn nhất, giá trị nhỏ nhất, giá trị trung bình, giá trị trung vị, phương sai, độ lệch chuẩn. Qua bước thống kê này, chúng ta có thể nắm bắt được một phần đặc điểm của những biến vĩ mô được đưa vào xem xét trong mô hình. Sau đó, tác giả sẽ đưa ra bảng hệ số tương quan để xem xét mức độ tương quan giữa các biến độc lập. Nếu không có vấn đề cần phải thay đổi, tác giả sẽ chạy mô hình hồi quy và đưa ra các biến độc lập có tác động đến biến phụ thuộc. Sau khi chạy mô hình hồi quy, tác giả kiểm định độ tin cậy của mô hình và kiểm định khuyết tật của mô hình.
Kiểm định đa cộng tuyến: Đa cộng tuyến giữa các biến độc lập trong mô hình hồi quy đa biến là việc có ít nhất 2 biến độc lập có tương quan tuyến tính chặt chẽ với nhau. Trong tình huống này, các biến có tương quan tuyến tính chặt chẽ với nhau tạo ra việc dư thừa thông tin, khiến cho kết quả bị sai lệch. Mối tương quan giữa các biến độc lập càng mạnh thì việc thay đổi kéo theo giữa các biến càng trở nên trầm trọng. Mô hình sẽ ít ý nghĩa khi sử dụng để ước tính mối quan hệ giữa mỗi biến độc lập và biến phụ thuộc.
Có 2 phương pháp phổ biến dùng để xác định hiện tượng đa cộng tuyến:
- Dựa vào hệ số phóng đại phương sai VIF: Để nhận biết hiện tượng đa cộng tuyến, ta có thể áp dụng phương pháp với cách tính đơn giản đó chính là dựa vào hệ số phóng đại phương sai VIF (Variance inflation factor) để xác định mối tương quan giữa các biến độc lập và sức mạnh của mối tương quan đó. Giá trị VIF bắt đầu từ 1 và không có giới hạn trên. Giá trị VIF trong khoảng từ 1 đến 2 chỉ ra rằng không có bất kỳ
mối tương quan giữa biến độc lập này và bất kỳ biến nào khác. Nếu khoảng giá trị của VIF từ 2 đến 5 thể hiện mối tương quan ở mức độ vừa phải và có thể chấp nhận được mà không cần tới việc khắc phục. Nếu giá trị của VIF lớn hơn 5 có nghĩa là mối tương quan cao, thể hiện hệ số ước tính từ mô hình có thể không có ý nghĩa và các giá trị p - values là không đủ tin tưởng để đưa ra những kết luận tiếp theo. Nếu giá trị VIF > 10 thì chắc chắn mô hình tồn tại đa cộng tuyến và cần phải khắc phục.
- Dựa vào hệ số tương quan: Trong kết quả phân tích hồi quy, nhìn vào bảng Tổng hợp kết quả, nếu hệ số tương quan cao (trên 0,8) và thống kê t trong bảng thấp. Dù đơn giản hơn và không cần thực hiện thêm bất kỳ tính toán nào song thông thường phương pháp này ít được sử dụng vì nó mang tính chất chủ quan phán đoán thay vì đưa ra tính toán khoa học.
Kiểm định phương sai sai số thay đổi: Phương sai sai số thay đổi được định nghĩa là trạng thái khi phương sai của các sai số ước lượng không bằng nhau. Nếu như mô hình chỉ tồn tại khuyết tật phương sai sai số thay đổi thì ước lượng OLS vẫn được coi là ước lượng không chệch và nhất quán (unbiased and consistent), tuy nhiên kết quả ước lượng không phải là ước lượng tốt nhất (hiệu quả nhất) nữa. Nguyên nhân vì, phương sai của sai số trong trường hợp này không thể đạt được giá trị nhỏ nhất. Khi đó, các kiểm định hệ số hồi quy và kiểm định F của mô hình trở nên không được coi là tin cậy. Từ đó dẫn đến việc đưa ra các kết luận dựa trên các kiểm định này sẽ không mang ý nghĩa thống kê và không còn chính xác.
Có 2 phương pháp thường được các nhà thống kê sử dụng để phát hiện phương sai sai số thay đổi:
- Vẽ đồ thị giữa giá trị ước lượng của biến Y và sai số rồi quan sát - Sử dụng kiểm định Breusch-Pagan và kiểm định White
Kiểm định tự tương quan: Hiện tượng tự tương quan xảy ra khi hai hay nhiều sai số
liên tiếp tương quan, tức là khi hiệp phương sai giữa các sai số không đồng thời bằng 0. Khi xảy ra hiện tượng này, phương sai ước lượng của OLS thông thường
có thể cao hơn so với phương sai thật sự của �̂ . Dù trong trường hợp nào thì ước lượng của Var (�̂ ) theo cách thông thường đều bị chệch. Theo đó, các thông kê t cũng không còn phù hợp để kiểm định các giả thuyết về hệ số hồi quy.
Có 2 phương pháp thường được sử dụng để phát hiện ra hiện tượng tự tương quan:
- Kiểm định tiệm cận (Asymptotic tests)
- Kiểm định Durbin-Watson
b. Xây dựng mô hình nghiên cứu
Biến phụ thuộc có nhiều phạm trù, mỗi phạm trù đại diện cho một nhóm và biến này có khả năng phân biệt tốt nhất và duy nhất trên cơ sở tập hợp biến độc lập được lựa chọn. Nói cách khác là mỗi quan sát phải được sắp xếp vào một nhóm duy nhất.
Tỷ lệ nợ xấu: Theo quyết định số 493/2005/QĐ-NHNN ngày 22/04/2005 và
thông tư 11/2021/TT-NHNN ngày 30/07/2021 của NHNN thì nợ nợ xấu được tính như sau: Tỷ lệ nợ xấu (NPL) = Dư nợ tín dụng nhóm (3,4,5) Tổng dư nợ tín dụng
Trong mô hình hồi quy tác giả dùng chỉ số NPL (tỷ lệ nợ xấu) để thông qua đó phân tích sự tác động của các biến độc lập lên nợ xấu của Ngân hàng TMCP Đại Chúng Việt Nam.
Sau khi lựa chọn được biến phụ thuộc, bước tiếp theo phải xác định được biến độc lập (biến giải thích) trong phân tích. Việc lựa chọn biến độc lập được tiến hành theo hai cách. Cách tiếp cận đầu tiên là dựa trên cơ sở và những nghiên cứu từ trước như nghiên cứu của Seema Bhattarai (2015); Phạm Cẩm Nhung (2016);.. . Cách tiếp cận thứ hai là trực giác dựa trên cơ sở kiến thức của các chuyên gia và lựa chọn những biến chưa có trong những nghiên cứu trước và cơ sở lý thuyết hợp lý. Trong
� � �
nghiên cứu này, biến độc lập được chọn vừa kế thừa từ những kết quả nghiên cứu trước đây đồng thời thu thập từ tình hình thực tế của khách hàng doanh nghiệp có nợ xấu tại Ngân hàng TMCP Đại Chúng Việt Nam.
Ký hiệu: Các biến độc lập trong nghiên cứu.
Bảng 2. 12: Bảng tóm tắt biến độc lập của mô hình
Ký hiệu Chỉ tiêu Thang đo
LSCV Lãi suất cho vay trung bình theo quý Tỷ lệ %
TN Logarit tự nhiên Thu nhập trung bình theo
quý của khách hàng Đồng
THV Thời hạn cho vay trùng bình Năm
Trên cơ sở các mô hình đánh giá các nhân tố ảnh hưởng đến nợ xấu của khách hàng doanh nghiệp, tác giả phân tích các yếu tố ảnh hưởng đến nợ xấu của khách hàng doanh nghiệp gồm những yếu tố sau: Thu nhập trung bình theo quý của KHDN; thời hạn vay trung bình theo quý của KHDN ; Lãi suất cho vay trung bình theo quý; Tỷ lệ nợ xấu của Ngân hàng theo quý.
Với dữ liệu của các doanh nghiệp có dư nợ tại Ngân hàng TMCP Đại Chúng Việt Nam sẽ được sắp xếp theo thời gian. Mô hình hồi quy cơ bản như sau:
NPLit= α0 + β1. LCSV + β2.THV + β3.TN
Trong đó:
NPL: Tỷ lệ nợ xấu
TN: Thu nhập trung bình theo Quý
THV: Thời hạn trung bình của khoản vay theo Quý LSCV: Lãi suất cho vay trung bình theo Quý
βj (j= 1,3): hệ số phản ảnh tác động của từng biến độc lập với biến phụ thuộc. Từ đó, ta xây dựng các giả thuyết thống kê:
- Thu nhập của khách hàng (TN): Nghiên cứu của Maharjan, (1983); Kohansal và Mansoori, (2009) chỉ ra yếu tố Thu nhập có tác động cùng chiều với khả năng trả nợ của người vay cho Ngân hàng, đồng nghĩa với việc nó có tác động ngươc chiều đến tỷ lệ nợ xấu của Ngân hàng. Biến này được kỳ vọng có hệ số âm, vì khi thu nhập của khách hàng càng cao, đồng nghĩa với khách hàng có khả năng tích lũy cao. Vì vậy, họ sẽ có khả năng trả nợ cao cho Ngân hàng do vậy nợ xấu sẽ giảm.
H1: Thu nhập càng cao khách hàng có nợ xấu giảm và ngược lại
- Thời hạn khoản vay (THV)
Thời hạn khoản vay hay thời gian vay: Thời gian tính từ lúc khách hàng doanh nghiệp nhận tiền vay lần đầu tiên đến khi kết thúc hợp đồng vay giữa hai bên Ngân hàng và doanh nghiệp. Các khoản nợ càng ngắn hạn sẽ khiến cho khả năng trả nợ của khách hàng càng giảm do áp lực về thời gian trả nợ sẽ khiến cho khách hàng không đủ khả năng xoay sở tìm kiếm nguồn trả nợ sẽ dẫn đến khả năng bị nợ xấu cao hơn. Nghiên cứu Kohansal và Mansoori, (2009); (Kenneth Ogol Ochung, 2013), chỉ ra kỳ hạn vay có mối quan hệ ngược chiều với nợ xấu (bời vì kỳ hạn vay cùng chiều với khả năng trả nợ của khách hàng tức là kỳ hạn vay càng lâu thì khả năng trả nợ cho ngân hàng càng lớn).
Vì vậy tác giả, đặt giả thuyết nghiên cứu như sau:
H2: Thời hạn khoản vay tác động ngược chiều đến nợ xấu (tức khoảng vay càng dài thì nợ xấu thấp).
- Lãi suất cho vay (LSCV): Lãi suất của khoản vay (interest, đơn vị tính % năm): Đây là lãi suất thỏa thuận giữa Ngân hàng và khách hàng được tính theo lãi suất trung bình trong kỳ vay. Nghiên cứu của (Kenneth Ogol Ochung, 2013); Kohansal và Mansoori, (2009) chỉ ra rằng, lãi suất khoản vay có tác động cùng chiều với nợ xấu của người vay. Kêt quả nghiên cứu tương tự cũng được chỉ ra bởi Trương Đông Lộc và Nguyễn Thanh Bình, (2011); Nguyễn Quốc Nghi, (2012), (2013). Theo nghiên cứu này, tác giả nhận định lãi suất vay lớn sẽ làm khách hàng trả nợ với số tiền cao hơn nên sẽ
làm khách hàng khó trả nợ đầy đủ cho Ngân hàng dẫn đến nợ xấu cao. Vì vậy tác giả đặt giả thuyết
H3: Lãi suất cho vay tác động cùng chiều đến nợ xấu
c. Phương pháp thu thập dữ liệu và mẫu nghiên cứu
- Phương pháp xử lý số liệu: Sau khi thu thập các dữ liệu về thu nhập khách hàng doanh nghiệp, lãi suất cho vay KHDN củ Ngân hàng và thời hạn cho vay KHDN của Ngân hàng, tác giả đã tính ra tỷ lệ nợ xấu của KHDN tại Ngân hàng dựa vào phương pháp luận được áp dụng với cách tính tỷ lệ nợ xấu theo TT11/2021-NHNN. Với các dữ liệu vi mô thu thập được, dữ liệu được chuyển về đồng nhất ở dạng hàng quý. Số quan sát được trong vòng 8 năm sẽ là 32 quan sát.
- Phương pháp hồi quy
Phương pháp bình phương nhỏ nhất OLS:
�̂� = �̂ + ∑ �̂� + ��
Trong đó:
�̂�: là biến phụ thuộc của quan sát i trong thời kỳ t
��: là biến độc lập của quan sát i trong thời kỳ t
Phương pháp kiểm định
- Kiểm định tính phù hợp của mô hình bằng F-statistics
Cặp giả thiết: �0: �2 = 0 �1: �2 ≠ 0 Kiểm định F: = (((((((((((((((/(�−1) = �2 × −−−−−−−−−−−−−−− �� (−(−(−(−(−(−(−(−(−(−(−(−(−(−(−/) −−−−−−−−1−−−−−−− 2 �−1
Nếu ��� > �( − 1; − � ) thì bác bỏ � 0: Hàm hồi quy được gọi là phù hợp
�
Ngược lại, hàm hồi quy không phù hợp
- Kiểm định ý nghĩa của các hệ số hồi quy bằng p-value
Với mức ý nghĩa � cho trước, Cặp giả thiết:
�0: �� = �∗
�1: �� ≠ �∗
Nếu p-value < � thì bác bỏ giả thiết �0
Nếu p-value > � thì chưa có cơ sở bác bỏ giả thiết �0
- Kiểm định Breusch-Pagan để phát hiện phương sai sai số thay đổi
Giả thuyết �0 được viết lại dưới dạng tương quan giữa các biến giải thích với phần dư là:
�0: � (�2|��) = 2
Giả thuyết này cho rằng phương sai không liên quan đến biến �� . Kiểm định BP sẽ kiểm tra sự tương quan này.
Phương pháp khắc phục nếu xảy ra hiện tượng phương sai sai số thay đổ là sử dụng các sai số chuẩn mạnh (robust standard errors). Phương sai các hệ số ước lượng sẽ được tính lại mà không sử dụng đến giả thuyết phương sai sai số không đổi.
- Kiểm định Durbin – Watson để phát hiện hiện tượng tự tương quan
Xét mô hình hồi quy:
�̂� = �̂ + ∑ �̂� + ��
Nếu giữa các sai số có hiện tương tự tương quan bậc 1 thì mối quan hệ giữa chúng có thể biểu diễn dưới dạng phương trình hồi quy:
�� = �−1 + �, −1 < < 1 � � � � � � �� �� ��
Giả thuyết �0 : � = 0 Mô hình hồi quy không có tự tương quan
Xác định giá trị thống kê Durbin – Watson và so sánh với giá trị tới hạn ��, ��
Bác bỏ �0 Chưa kết luận Chấp nhận �0 Chưa kết luận Bác bỏ �0
0 �� �� 4 − �� 4 − �� 4
- Kiểm định Wald để xác định biến độc lập có cần thiết cho mô hình
Mục tiêu nhằm xác định khi thêm hoặc bỏ đi một biến giải thích của mô hình thì mức ý nghĩa của mô hình có tăng lên hay không.
Giả thiết:
�0 : 1 = ⋯ = � = 0 �1: Có ít nhất 1 �� ≠ 0
Quy tắc quyết định dựa vào p-value như sau:
Nếu p-value < � thì bác bỏ giả thiết �0
Nếu p-value > � thì chưa có cơ sở bác bỏ giả thiết �0
2.4.2.2. Kết quả nghiên cứu và thảo luận a. Thống kê - Mô tả các biến
Bảng 2. 13: Thống kê mô tả NPL LSCV THV TN Mean 2,3425 9,47 4,72 22,5974 Median 2,4 9,45 4,50 22,58103 Maximum 2,65 10,20 6,00 23,21647 Minimum 1,9 8,9 3,50 21,98173 Std. Dev. 0,228713 0,35 0,59 0,37557 Sknewness -0,558855 0,27 0,41 0,029962 Kurtosis 2,048199 2,22 2,85 1,688862