3.2.2.1. Giả thuyết nghiên cứu
Giả thuyết nghiên cứu của luận văn được xây dựng dựa trên cơ sở kế thừa các nghiên cứu trước. Theo đó, tác giả tập trung nghiên cứu tác động của các nhân tố ảnh hưởng đến tăng trưởng tín dụng các NHTM Việt Nam bởi 2 nhóm nhân tố: (i) nhóm nhân tố bên trong ngân hàng bao gồm tỷ lệ nợ xấu (chất lượng tín dụng), tỷ lệ thanh khoản (rủi ro thanh khoản) và chênh lệch lãi suất (chênh lệch giữa lãi suất cho vay và lãi suất huy động – mức sinh lời); và (ii) nhóm nhân tố vĩ mô bên ngoài ngân hàng bao gồm tăng trưởng kinh tế GDP, tỷ lệ lạm phát, lãi suất tái chiết khấu, thâm hụt ngân sách, tăng trưởng cung tiền M2 và tăng trưởng tiền cơ sở MB. Do đó, tác giả đưa ra các giả thuyết nghiên cứu như sau:
Giả thuyết 1 (H1): Tỷ lệ nợ xấu (NPL) ảnh hưởng tới tăng trưởng tín dụng các NHTM Việt Nam.
Giả thuyết 2 (H2): Tỷ lệ thanh khoản (LIQ) ảnh hưởng tới tăng trưởng tín dụng
các NHTM Việt Nam.
Giả thuyết 3 (H3): Chênh lệch lãi suất (chênh lệch giữa lãi suất cho vay và lãi suất huy động – mức sinh lời) ảnh hưởng tới tăng trưởng tín dụng các NHTM Việt Nam.
Giả thuyết 4 (H4): Tăng trưởng kinh tế GDP ảnh hưởng tới tăng trưởng tín dụng các NHTM Việt Nam.
Giả thuyết 5 (H5): Tỷ lệ lạm phát ảnh hưởng tới tăng trưởng tín dụng các NHTM Việt Nam.
Giả thuyết 6 (H6): Lãi suất tái chiết khấu ảnh hưởng tới tăng trưởng tín dụng các NHTM Việt Nam.
Giả thuyết 7 (H7): Thâm hụt ngân sách ảnh hưởng tới tăng trưởng tín dụng các NHTM Việt Nam.
Giả thuyết 8 (H8): Tăng trưởng cung tiền (M2) ảnh hưởng tới tăng trưởng tín dụng các NHTM Việt Nam.
Giả thuyết 9 (H9): Tăng trưởng tiền cơ sở (MB) ảnh hưởng tới tăng trưởng tín dụng các NHTM Việt Nam.
3.2.2.2. Lựa chọn mô hình
Kế thừa các nghiên cứu trước đây, để có thể ước lượng mối quan hệ giữa tăng trưởng tín dụng của các NHTM với các biến số nội tại bên trong ngân hàng và các biến số vĩ mô bên ngoài, nghiên cứu sử dụng mô hình Vector tự hồi quy (Vector Auto Regression – VAR). Việc sử dụng mô hình VAR có hai ưu điểm chính:
- Thứ nhất, đây là mô hình kinh tế lượng rất hữu ích, cho phép đánh giá tác dộng qua lại giữa các biến số, vì vậy, mô hình này phù hợp để phân tích ảnh hưởng lẫn nhau của các biến số kinh tế vĩ mô trên thực tế.
- Thứ hai, việc sử dụng mô hình VAR sẽ bảo đảm được độ tự do của mô hình và khắc phục được nhược điểm số quan sát không lớn.
Trong mô hình VAR, vai trò của các biến là như nhau và có mối quan hệ tác động qua lại: lần lượt mỗi biến sẽ đóng vai trò là biến nội sinh và chịu tác động của các biến còn lại với tư cách là biến ngoại sinh.
Mô hình VAR có dạng như sau:
Trong đó:
- là tập hợp K véc-tơ các biến nội sinh quan sát được; - là tập hợp M véc-tơ các biến ngoại sinh quan sát được;
- là tập hợp các biến tất định như hằng số, xu thế tuyến tính, các biến giả mùa vụ cũng như các biến giả khác;
- là tập hợp các nhiều với kỳ vọng bằng 0.
3.2.2.3. Các biến trong mô hình nghiên cứu
Biến phụ thuộc – Tăng trưởng tín dụng của các NHTM hàng năm. Tốc độ tăng trưởng tín dụng là chỉ tiêu dùng để đo lường tăng trưởng tín dụng và được tính bằng tỷ lệ giữa mức độ tăng dư nợ tín dụng tại kỳ được so sánh với dư nợ tín dụng tại kỳ gốc. Tùy theo mục đích sử dụng mà tốc độ tăng trưởng tín dụng có thể được tính so với cùng kỳ năm trước, so với cuối tháng 12 năm trước, hoặc tăng trưởng hàng kỳ.
Biến độc lập: Luận văn xem xét tác động của các nhân tố ảnh hưởng tới tăng trưởng tín dụng các NHTM tại Việt Nam giai đoạn 2008-2019. Tại các nội dung nghiên cứu phía trên, tác giả đã làm rõ luận văn tập trung vào 02 nhóm nhân tố: (i) nhóm nhân tố bên trong ngân hàng bao gồm tỷ lệ nợ xấu (chất lượng tín dụng), tỷ lệ thanh khoản (rủi ro thanh khoản) và chênh lệch lãi suất (chênh lệch giữa lãi suất cho vay và lãi suất huy động – mức sinh lời); và (ii) nhóm nhân tố vĩ mô bên ngoài ngân hàng bao gồm tăng trưởng kinh tế GDP, tỷ lệ lạm phát, lãi suất tái chiết khấu, thâm hụt ngân sách, tăng trưởng cung tiền M2 và tăng trưởng tiền cơ sở MB. Việc lựa chọn các biến đại diện cho các nhân tố ảnh hưởng đến TTTD các NHTM tại Việt Nam hoàn toàn dựa vào cơ sở lý thuyết, tổng quan các nghiên cứu trước đây ở phần trên, và đặc biệt dựa vào khả năng thu thập dữ liệu trên thị trường Việt Nam, tác giả đã lựa chọn các biến đặc trưng cho Việt Nam, đáng chú ý như biến Thâm hụt ngân sách. Cụ thể như sau:
- Đối với các biến số nội tại của hệ thống NHTM, tác giả thu thập số liệu dựa trên báo cáo thường niên của NHNN, dữ liệu thống kê tài chính quốc tế của IMF (IFS), BCTC của các ngân hàng.
- Đối với các biến số vĩ mô ảnh hưởng đến tăng trưởng tín dụng của các NHTM, tác giả thu thập dữ liệu từ các nguồn báo cáo thống kê và công bố thông tin của Tổng cục thống kê Việt Nam (GSO), Ngân hàng Nhà nước Việt Nam (SBV),
Bộ tài chính (MOF), Bộ Kế hoạch và đầu tư (MPI), dữ liệu thống kê tài chính quốc tế của IMF (IFS). Cách thức đo lường và kỳ vọng dấu của tác giả đối với các biến số như sau:
Bảng 3.1: Mô tả các biến và kỳ vọng tác động của các biến
TT Ký
hiệu
Giải thích biến và cách đo lƣờng
Kỳ
vọng Nguồn dữ liệu
1 NPL
Tỷ lệ nợ xấu, được tính bằng Dư nợ tín dụng xấu/ Tổng dư nợ cuối kỳ
-
Báo cáo thường niên, công bố thông tin NHNN
2 LIQ
Tỷ lệ thanh khoản, được tính bằng Tài sản thanh khoản/ Tổng tài sản của hệ thống ngân hàng
+ Thống kê tài chính quốc tế (IFS)
3 CLLS
Chênh lệch lãi suất, được tính bằng chênh lệch giữa lãi suất cho vay và lãi suất huy động
+
Báo cáo thường niên, công bố thông tin NHNN
4 GDP Tăng trưởng tổng sản phẩm quốc
nội + Tổng cục thống kê
5 INF
Tỷ lệ lạm phát, được tính bằng tăng trưởng chỉ số giá tiêu dùng CPI
- Tổng cục thống kê
6 THNS
Tỷ lệ thâm hụt ngân sách, được tính bằng Chênh lệch thu chi ngân sách/GDP
+/- Bộ Tài chính, Bộ Kế hoạch và đầu tư 7 LSTCK Lãi suất tái chiết khấu - NHNN
8 GM2 Tăng trưởng tổng phương tiện
thanh toán +
Báo cáo thường niên NHNN, Thống kê tài chính quốc tế (IFS)
9 GMB Tăng trưởng tiền cơ sở + Báo cáo thường niên NHNN, Thống kê tài
TT Ký hiệu
Giải thích biến và cách đo lƣờng
Kỳ
vọng Nguồn dữ liệu
chính quốc tế (IFS)
Nguồn: Tổng hợp của tác giả - Biến NPL: Tỷ lệ nợ xấu, được tính bằng Dư nợ tín dụng xấu/Tổng dư nợ cuối kỳ đo lường rủi ro tín dụng ngân hàng. Khi nợ quá hạn, nợ xấu phát sinh khiến cho lượng vốn để tiếp tục quay vòng cho vay giảm xuống, chất lượng tài sản của ngân hàng thấp, NHTM sẽ phải trích lập dự phòng rủi ro lớn hơn, làm giảm lợi nhuận của ngân hàng, khi đó ngân hàng buộc phải điều chỉnh lại cơ cấu tín dụng, tập trung xử lý nợ xấu, do vậy cũng ảnh hưởng lớn đến lượng cung tín dụng và tình hình TTTD của ngân hàng. Điều này được làm rõ trong nghiên cứu của Ivo Arnold, Clemens Kool và Katharina Raabe (2011), Burcu Aydın và Deniz Igan (2010).
- Biến LIQ: Tỷ lệ thanh khoản, được tính bằng Tài sản thanh khoản/ Tổng tài sản của hệ thống ngân hàng. Tỷ lệ thanh khoản tăng đương nhiên các ngân hàng sẽ sẵn sàng cho vay hơn khi áp lực phải chịu giảm đi. Điều này có thể thấy được trong các nghiên cứu của Felicia Omowunmi Olokoyo (2011) hay của Nguyễn Thùy Dương và Trần Hải Yến (2011).
- Biến CLLS: Chênh lệch giữa lãi suất cho vay và lãi suất huy động là lợi nhuận của ngân hàng khi cung ứng dịch vụ trung gian tín dụng. Phần chênh lệch này tăng lên thì lợi nhuận ngân hàng thu được càng nhiều, càng tạo động lực để ngân hàng cho vay nhiều hơn.
- Biến GDP: Tăng trưởng tổng sản phẩm quốc nội. Theo lý thuyết về mô hình chu kỳ kinh tế và tiêu dùng bởi Modigliani và Miller (1967), kinh tế tăng trưởng, doanh nghiệp dễ dàng hơn trong việc hoàn trả nợ vay từ các NHTM do các cơ hội đầu tư và triển vọng kinh doanh thuận lợi hơn. Thêm vào đó, thu nhập của công chúng – yếu tố quan trọng quyết định tiết kiệm, ảnh hưởng đến huy động vốn và sau đó là TTTD chịu ảnh hưởng của tăng trưởng tổng sản phẩm quốc nội. Biến này đại diện cho nhóm nhân tố khách hàng. Điều này được thể hiện rõ tại các nghiên cứu của Hoffman (2001), Calza et al. (2001), Leonardo Gambacorta và Paolo Emilio
Mistrulli (2003) hay Felicia Omowunmi Olokoyo (2011); Guo, Kai và Stepanyan, Vahram (2011).
- Biến INF: Tỷ lệ lạm phát là một chỉ số đo lường mức giá cả chung của nền kinh tế và nó cũng có những tác động nhất định đến tăng trưởng tín dụng. Khi lạm phát tăng, giá cả tăng, nhu cầu nắm giữ tiền giảm do chi phí nắm giữ tiền tăng, kênh gửi tiết kiệm do vậy sẽ không phát huy nhiều tác dụng, người dân có xu hướng đầu tư vào các công cụ khác ngoài tiền. Tình hình đó yêu cầu các NHTM tăng lãi suất huy động, do đó phải tăng lãi suất cho vay khiến lượng tín dụng được cấp cũng giảm đi. Điều này được chứng minh trong nhiều nghiên cứu như nghiên cứu của các nhà kinh tế học Kai Gou và Vahram S. (2011); Lương Thị Nga và Đào Thị Thu Hiền (2015).
- Biến THNS: Thâm hụt ngân sách đại diện cho chính sách tài khóa tuy nhiên ảnh hưởng đến TTTD thông qua CSTT và lãi suất. Đứng trước tình trạng thâm hụt ngân sách nếu NHTW thực hiện chính sách tiền tệ mở rộng để giải quyết tình trạng này thì đồng nghĩa với nó sẽ là tăng trưởng cung tiền và thúc đẩy TTTD của hệ thống NHTM. Trường hợp NHTW không can thiệp thì áp lực đối với lãi suất là không thể tránh khỏi. Khi lãi suất tăng có thể tác động làm giảm nhu cầu vay vốn của các chủ thể khác trong nền kinh tế và dẫn đến TTTD của các NHTM giảm. Như vậy, có thể thấy tác động của biến THNS đến TTTD của các NHTM không đồng nhất.
- Biến LSTCK: Trong nghiên cứu của Felicia Omowunmi Olokoyo (2011), nghiên cứu của Abdul Mongid (2007) hay đề tài của Ivo Arnold, Clemens Kool và Katharina Raabe (2011), Nguyễn Thanh Nhàn (2012) cũng đã chỉ ra lãi suất có tác động mạnh đến TTTD. Điều này được lý giải khi lãi suất tăng cao, nhằm hạn chế sư phát triển quá nóng của nền kinh tế và sự tăng trưởng quá nóng của tín dụng đối với từng NH và toàn bộ hệ thống, thông qua CSTT, NHNN gia tăng lãi suất, theo đó, nó sẽ rút dự trữ của ngân hàng, dự trữ thấp có nghĩa là sụt giảm lượng tiền gửi, khi đó đốc thúc ngân hàng giảm danh mục cho vay của mình, hay nói cách khác giảm tăng tưởng tín dụng trong hệ thống ngân hàng. Đây cũng là một trong những cơ chế hoạt
động mạnh và vô cùng hiệu quả của CSTT.
- Biến GM2 và biến GMB đại diện cho nhóm nhân tố chính sách tiền tệ của NHNN. Khi lượng tiền cơ sở hay tổng phương tiện thanh toán gia tăng sẽ thúc đẩy khối lượng tín dụng tăng lên tương tự như ở nghiên cứu của Nguyễn Thanh Nhàn và các cộng sự (2014).
3.2.2.4. Các bước thực hiện mô hình nghiên cứu
Do dữ liệu của trong nghiên cứu theo thời gian nên phương pháp hồi quy với dữ liệu thời gian (Time Series) được sử dụng trong nghiên cứu. Đối với phân tích hồi quy chuỗi thời gian, phải thực hiện các bước sau:
Bước 1: Thực hiện các thống kê mô tả các biến: là đưa ra các hệ số mô tả ngắn gọn
hay tóm tắt dữ liệu đưa vào mô hình. Thống kê mô tả bao gồm các thông số đo lường xu hướng tập trung: giá trị trung bình, số quan sát; và các thông số đo lường biến động/ độ phân tán: độ lệch chuẩn, giá trị nhỏ nhất, giá trị lớn nhất.
Bước 2: Kiểm định tính dừng ADF: để tránh hiện tượng hồi quy giả mạo và kiểm tra
xem giá trị trung bình, phương sai, hiệp phương sai (tại các độ trễ khác nhau) có giữ nguyên không đổi cho dù chuỗi được xác định vào thời điểm nào đi nữa hay không. Giả thuyết:
: chuỗi không dừng chuỗi dừng
Nếu kết quả Prob > alpha (mức ý nghĩa 5%) thì chấp nhận . Trong trường hợp chuỗi không dừng tiếp tục lấy sai phân các biến và kiểm định tính dừng.
Bước 3: Lựa chọn độ trễ tối ưu của mô hình: Nếu độ trễ quá lớn dẫn đến các tham
số cần ước lượng nhiều, khi đó đòi hỏi kích thước mẫu phải đảm bảo đủ lớn. Nếu độ trễ quá nhỏ thì mô hình có thể bỏ sót những biến có ý nghĩa. Vì vậy cần xác định độ trễ tốt nhất. Độ trễ tối ưu được lựa chọn dựa trên các tiêu chuẩn thông tin Akaike (AIC), tiêu chuẩn thông tin Schwarz (SC) và tiêu chuẩn thông tin Hannan Qiunn
(HQ). Độ trễ nào làm cho các thống kê nhận giá trị nhỏ nhất thì được coi là độ trễ tối ưu của mô hình.
Bước 4: Xem xét tính ổn định của mô hình: mô hình VAR được xem là ổn định khi
có phần dư là một chuỗi dừng và tất cả nghiệm của đa thức đặc trưng đều nằm trong vòng tròn đơn vị hay các mô đun tính toán được đều có giá trị nhỏ hơn 1. Việc xác định tính dừng của phần dư có thể dùng kiểm định nghiệm đơn vị.
Bước 5: Phân tích hàm phản ứng đẩy: Hàm phản ứng đẩy phát hiện phản ứng của
các biến phụ thuộc trong hệ VAR đối với các cú sốc của các biến trong mô hình ở các giai đoạn tương lai. Do các hệ số đơn lẻ trong mô hình VAR ước lượng thường khó giải thích, nên khi áp dụng kỹ thuật này trên thực tế ta thường dùng ước lượng hàm phản ứng đẩy.
Bước 6: Phân tích phân rã phương sai: ta dùng phân ra phương sai để phân tích mức độ tác động của yếu tố này đến yếu tố khác và ngược lại. Khi ước lượng một biến phụ thuộc ta có tổng số sai số bao gồm sai số được giải thích bởi các biến độc lập và sai số không được giải thích bởi mô hình. Hệ số phân rã phương sai của biến độc lập so với biến phụ thuộc ở một độ trễ nhất định cho biết sự thay đổi của biến đôc lập đóng góp bao nhiêu phần trăm sự thay đổi của biến phụ thuộc ở độ trễ nhất định.
TÓM TẮT CHƢƠNG III
Chương III đã đem đến cái nhìn tổng quát các bước tác giả đã triển khai nghiên cứu, các phương pháp nghiên cứu tác giả đã sử dụng: phương pháp định tính và phương pháp định lượng, cách thức tác giả xử lý và tổng hợp số liệu để đánh giá, phân tích và đưa vào mô hình lượng hóa. Nhờ thực hiện các bước như vậy, tác giả có được kết quả nghiên cứu tại chương IV.
CHƢƠNG IV: KẾT QUẢ NGHIÊN CỨU