Bảng 3.2: Thống kê mô tả các biến nghiên cứu
Giá trị Biến Số lượng quan sát Trung bình Độ lệch chuẩn Giá trị nhỏ nhất Giá trị lớn nhất NPL 37 2,12 0,42 1,49 3,07 ROE 37 3,43 1,24 1,02 5,61 EA 37 5,07 0,69 4,08 6,52 NPLt-1 37 2,14 0,43 1,49 3,07 GRL 37 4,11 2,83 -1,02 11,41 NIM 37 0,72 0,10 0,50 1,10
CPI 37 1,12 0,83 0,16 4,67
GDP 37 1,50 0,41 0,4 1,77
Nguồn: Kết quả từ Stata phiên bản 15.1
Kết quả thống kê mô tả cho biết các chỉ số cơ bản của các biến nghiên cứu, bao gồm số lượng quan sát (Observations), giá trị trung bình (Mean), độ lệch chuẩn (Standard Deviation), giá trị nhỏ nhất (Minimum), giá trị lớn nhất (Maximum).
Giá trị trung bình của tỷ lệ nợ xấu trên tổng dư nợ của BIDV là 2,12% với độ lệch chuẩn là 0,42%, tỷ lệ nợ xấu tại BIDV được duy trì tương đối thấp với giá trị tối đa là 3,07%. ROE của Ngân hàng biến động khá lớn với giá trị trung bình là 3,43% (độ lệch chuẩn 1,24%) với giá trị nhỏ nhất là 1,02% và lớn nhất là 5,61%.Tỷ lệ vốn chủ sở hữu trên tổng tài sản của BIDV tương đối ổn định quanh mức trung bình là 5,07% (độ lệch chuẩn 0,69%). Trong khi đó, tốc độ tăng trưởng tín dụng qua các quý của BIDV biến động tương đối lớn và không ổn định, giá trị nhỏ nhất của tăng trưởng tín dụng là -1,02% và giá trị lớn nhất là 11,41%. Giá trị trung bình là 4,11% với độ lệch chuẩn 2,83%.
Thu nhập lãi cận biên của BIDV có giá trị trung bình là 0,72% với độ lệch chuẩn 0,10%, giá trị nhỏ nhất là 0.50% và cao nhất là 1,10%. Ngân hàng đã duy trì tỷ lệ này tương đối ổn định với độ biến động thấp. Tỷ lệ lạm phát trong giai đoạn này biến động khá lớn với giá trị nhỏ nhất là 0,16% và lớn nhất là 4,67%. Giá trị trung bình của tỷ lệ lạm phát là 1,12% (độ lệch chuẩn 0,83%). Cuối cùng, tốc độ tăng trưởng GDP thực trong giai đoạn này cũng biến động tương đối lớn với mức trung bình là 1,50% (độ lệch chuẩn 0,41%) và giá trị nhỏ nhất là 0,40% và lớn nhất là 1,77%.
3.2.2 Ma trận tương quan
Bảng 3.3: Ma trận tương quan giữa các biến
NPL ROE EA NPLt-1 GRL NIM CPI GDP
NPL 1,000
ROE -0.210 1,000
NPLt-1 0,825 0,009 0,639 1,000
GRL 0,082 -0,065 -0,153 0,129 1,000
NIM 0,330 0,014 0,175 0,387 0,160 1,000
CPI 0,627 -0,177 0,550 0,605 -0,086 0,641 1,000
GDP -0,060 0,358 -0,452 -0,052 0,277 0,198 -0,152 1,000
Nguồn: Kết quả từ Stata phiên bản 15.1
Dựa vào bảng ma trận tương quan trên có thể thấy các biến GDP và GRL có mối tương quan thấp với NPL trong đó GDP biến động ngược chiều và GRL biến động cùng chiều với NPL. Các biến ROE, EA, NIM, CPI có tương quan cao hơn với NPL trong đó EA, NIM, CPI biến động cùng chiều còn ROE biến động ngược chiều với NPL.
Có thể thấy rằng hầu hết các hệ số tương quan giữa các cặp biến độc lập trên đều khá nhỏ (trừ hệ số tương quan giữa tỷ lệ nợ xấu và tỷ lệ nợ xấu năm trước là 0,825), vì vậy có thể dự đoán không có hiện tượng đa cộng tuyến giữa các biến. Tuy nhiên để đảm bảo, hiện tượng đa cộng tuyến sẽ được kiểm định ở phần sau.
3.2.3 Kết quả hồi quy
Bảng 3.4: Kết quả mô hình hồi quy
Hệ số hồi quy
Sai số
chuẩn t p-value [Khoảng tin cậy 95%] ROE -0,08698 0,03454 -2,52 0,018 -0,15762 -0,01634 EA 0,15100 0,08945 1,69 0,102 -0,03195 0,33395 NPLt-1 0,61287 0,13471 4,55 0,000 0,33736 0,88837 GRL -0,00122 0,01487 -0,08 0,935 -0,03165 0,02920 NIM -0,40288 0,52214 -0,77 0,447 -1,47078 0,66502 CPI 0,08587 0,07972 1,08 0,290 -0,07718 0,24892 GDP 0,22812 0,12235 1,86 0,072 -0,02212 0,47835
Hệ số tự do 0,00196 0,00538 0,36 0,718 -0,00905 0,01297
Nguồn: Kết quả từ Stata phiên bản 15.1
Kết quả mô hình hồi quy trên đã cho thấy các biến độc lập ROE, NPLt-1, GDP tác động đến biến phụ thuộc NPL và có ý nghĩa thống kê trong đó: biến ROE tác động ngược chiều đến NPL với mức ý nghĩa thống kê 5%; biến NPLt-1 tác động cùng chiều đến NPL với mức ý nghĩa thống kê 1% và biến GDP tác động cùng chiều đến NPL với mức ý nghĩa thống kê 10%. Các biến còn lại EA, GRL, NIM, CPI không có ý nghĩa thống kê.
Phương trình hồi quy của mô hình như sau:
𝑁𝑃𝐿𝑡 = 0,00196 + 0,22812 𝐺𝐷𝑃𝑡 + 0,08587 𝐶𝑃𝐼𝑡− 0,08698 𝑅𝑂𝐸𝑡 + 0,15100 𝐸𝐴𝑡 − 0,00122 𝐺𝑅𝐿𝑡 − 0,10072 𝑁𝐼𝑀𝑡 + 0,61287 𝑁𝑃𝐿𝑡−1+ 𝜀𝑡
3.2.4 Kết quả kiểm định mô hình
• Kiểm định đa cộng tuyến
Hiện tượng đa cộng tuyến là vấn đề không thể loại bỏ hoàn toàn trong thống kê, tuy nhiên đa cộng tuyến càng ở mức càng thấp càng tốt. Kết quả Bảng 4.2 cho thấy hệ số tương quan giữa các cặp biến là khá thấp (hầu hết đều trong khoảng từ -0,5 đến 0,5), do đó có thể dự đoán không có hiện tượng đa cộng tuyến.
Sử dụng nhân tử phóng đại phương sai (VIF) để kiểm tra đa cộng tuyến giữa các biến:
Bảng 3.5: Tổng hợp kết quả kiểm tra VIF các biến
Variable VIF 1/VIF
CPI 3,17 0,315080 EA 2,74 0,364981 NPLt-1 2,42 0,412949 NIM 2,15 0,465489 GDP 1,84 0,542913 ROE 1,33 0,754348
GRL 1,28 0,780972
Mean VIF 2,13
Nguồn: Kết quả từ Stata phiên bản 15.1
Có thể thấy tất cả các biến độc lập có VIF<10 nên hiện tượng đa cộng tuyến không xảy ra hay các biến độc lập không tương quan với nhau.
• Kiểm định tự tương quan
Bảng 3.6: Kiểm định tự tương quan giữa các biến
Breusch-Godfrey LM test for autocorrelation
lags(p) chi2 df Prob > chi2
1 0,281 1 0,5963
H0: no serial correlation
Nguồn: Kết quả từ Stata phiên bản 15.1
Với kết quả Prob = 0,5963 ta chấp nhận giả thiết H0, không có hiện tượng tự tương quan trong mô hình.
• Kiểm định phương sai sai số thay đổi
Bảng 3.7: Kiểm định phương sai sai số thay đổi
White's test for Ho: homoskedasticity
against Ha: unrestricted heteroskedasticity
chi2(35) = 36.85
Prob > chi2 = 0.3833
Cameron & Trivedi's decomposition of IM-test
Source chi2 df p
Heteroskedasticity 36.85 35 0.3833
Skewness 7.33 7 0.3952
Total 44.94 43 0.3906
Nguồn: Kết quả từ Stata phiên bản 15.1
Với kết quả Prob = 0,3833 ta chấp nhận giả thiết H0, không có hiện tượng phương sai sai số thay đổi trong mô hình.
3.2.5 Thảo luận kết quả nghiên cứu
Đối với biến ROE: Mô hình hồi quy cho kết quả p-value = 0,018 < 0.05 kết quả có ý nghĩa thống kê ở mức 5%. Như vậy, có mối tương quan giữa lợi nhuận ròng trên vốn chủ sở hữu với tỷ lệ nợ xấu. Trong điều kiện các yếu tố khác không đổi thì ROE của BIDV càng thấp thì tỷ lệ nợ xấu càng cao. Kết quả này phù hợp với lý thuyết là khả năng sinh lời kém dẫn tới ngân hàng thiếu nguồn lực trong hoạt động quản lý nợ xấu, tỷ lệ nợ xấu cao. Đồng thời, kết quả nghiên cứu cũng tương đồng với kết quả nghiên cứu của Nguyễn Thị Hồng Vinh (2015) về các ngân hàng thương mại tại Việt Nam và Nguyễn Thị Hồng Vinh, Nguyễn Minh Sáng (2018) về các ngân hàng thương mại tại Đông Nam Á. Như vậy, giả thuyết H1 được chấp nhận.
Đối với biến EA: Mô hình hồi quy cho kết quả p-value = 0,102 > 0.1 kết quả không có ý nghĩa thống kê. Như vậy với mức ý nghĩa thống kê 10% thì tỷ lệ vốn chủ sở hữu trên tổng tài sản không có mối tương quan với tỷ lệ nợ xấu. Kết quả này không có ý nghĩa thống kê. Giả thuyết H2 bị bác bỏ.
Đối với biến GRL: Mô hình hồi quy cho kết quả p-value = 0,935 >0.1 kết quả không có ý nghĩa thống kê. Như vậy với mức ý nghĩa thống kê 10% thì tốc độ tăng trưởng tín dụng không có mối tương quan với tỷ lệ nợ xấu. Giả thuyết H3 bị bác bỏ.
Đối với biến NIM: Mô hình hồi quy cho kết quả p-value = 0,447 >0.11 kết quả không có ý nghĩa thống kê. Như vậy với mức ý nghĩa thống kê 10% thì thu nhập lãi cận biên không có mối tương quan với tỷ lệ nợ xấu. Giả thuyết H4 bị bác bỏ.
Đối với biến NPLt-1: Mô hình hồi quy cho kết quả p-value = 0,000 < 0.05 kết quả có ý nghĩa thống kê ở mức 5%. Như vậy có mối tương quan giữa tỷ lệ nợ xấu năm trước với tỷ lệ nợ xấu hiện tại. Trong điều kiện các yếu tố khác không đổi thì tỷ lệ nợ xấu năm trước của BIDV càng cao thì tỷ lệ nợ xấu càng cao. Kết quả trên phù hợp với lý thuyết là nợ xấu trong quá khứ cao sẽ làm tăng gánh nặng đối với hoạt động quản lý nợ xấu dẫn đến tỷ lệ nợ xấu tăng cao. Kết quả nghiên cứu đưa ra nhận
định tương đồng với các nghiên cứu trước đây như Salas và Saurina (2002) về các ngân hàng tại Tây Ban Nha, Nguyễn Thị Hồng Vinh (2015) về các ngân hàng thương mại tại Việt Nam và Nguyễn Thị Hồng Vinh, Nguyễn Minh Sáng (2018) về các ngân hàng thương mại tại Đông Nam Á. Như vậy, giả thuyết H5 được chấp nhận.
Đối với biến GDP: Mô hình hồi quy cho kết quả p-value = 0,072 < 0.1 kết quả có ý nghĩa thống kê ở mức 10%. Như vậy có mối tương quan giữa tốc độ tăng trưởng GDP thực với tỷ lệ nợ xấu. Trong điều kiện các yếu tố khác không đổi thì tốc độ tăng trưởng GDP thực càng cao thì tỷ lệ nợ xấu càng cao. Kết quả này trái ngược với nhận định rằng tốc độ tăng trưởng GDP cao, các doanh nghiệp hoạt động hiệu quả làm giảm nguy cơ phát sinh nợ xấu. Điều này có thể giải thích là trong giai đoạn kinh tế tăng trưởng, ngân hàng có thể chấp nhận các khách hàng có mức độ rủi ro cao hơn dẫn đến làm gia tăng tỷ lệ nợ xấu. Kết quả nghiên cứu cũng đưa ra nhận định trái ngược so với các nghiên cứu của Nguyễn Thị Hồng Vinh (2015) về các ngân hàng thương mại tại Việt Nam và Nguyễn Thị Hồng Vinh, Nguyễn Minh Sáng (2018) về các ngân hàng thương mại tại Đông Nam Á. Tuy nhiên, kết quả này lại tương đồng với nghiên cứu của Inekwe Murumba (2013) về các ngân hàng tại Nigeria. Như vậy, giả thuyết H6 được chấp nhận.
Đối với biến CPI: Mô hình hồi quy cho kết quả p-value = 0,290 > 0.1 kết quả không có ý nghĩa thống kê. Như vậy với mức ý nghĩa thống kê 10% thì tỷ lệ lạm phát không có mối tương quan với tỷ lệ nợ xấu. Giả thuyết H7 bị bác bỏ.
Như vậy, kết quả nghiên cứu được so sánh với một số nghiên cứu trước đây như sau:
Bảng 3.8: So sánh kết quả nghiên cứu với các nghiên cứu trước Biến Kết quả
nghiên cứu
Các nghiên cứu trước đây
ROE (-)
(-) Louzis et al (2010) (-) Nguyễn Thị Hồng Vinh (2015)
(-) Nguyễn Thị Hồng Vinh, Nguyễn Minh Sáng (2018)
EA Không có ý
GRL Không có ý
nghĩa thống kê
(+) Salas và Saurina (2002) (+) Nguyễn Thị Hồng Vinh (2015)
NIM Không có ý
nghĩa thống kê (+) Fofack (2005)
NPLt-1 (+)
(+) Salas và Saurina (2002) (+) Nguyễn Thị Hồng Vinh (2015)
(+) Nguyễn Thị Hồng Vinh, Nguyễn Minh Sáng (2018)
GDP (+)
(+) Inekwe Murumba (2013) (-) Nguyễn Thị Hồng Vinh (2015)
(-) Nguyễn Thị Hồng Vinh, Nguyễn Minh Sáng (2018)
CPI Không có ý
nghĩa thống kê (+) Fofack (2005)
KẾT LUẬN CHƯƠNG 3
Trên cở sở dữ liệu từ báo cáo tài chính các quý của BIDV trong giai đoạn 2012- 2020 cùng với các số liệu kinh tế vĩ mô, tác giả xây dựng mô hình nghiên cứu các nhân tố ảnh hưởng đến nợ xấu tại Ngân hàng TMCP Đầu tư và Phát triển Việt Nam áp dụng phương pháp hồi quy bình phương nhỏ nhất (OLS).
Các biến được lựa chọn để xây dựng mô hình được chia thành hai nhóm: các yếu tố kinh tế vĩ mô bao gồm tỷ lệ lạm phát và tốc độ tăng trưởng GDP thực; các yếu tố nội tại của ngân hàng bao gồm lợi nhuận trên vốn chủ sở hữu, vốn chủ sở hữu trên tổng tài sản, tốc độ tăng trưởng tín dụng, thu nhập lãi cận biên và tỷ lệ nợ xấu của năm trước.
Thông qua kết quả mô hình nghiên cứu các nhân tố ảnh hưởng đến nợ xấu tại Ngân hàng TMCP Đầu tư và Phát triển Việt Nam, ta có thể thấy nợ xấu chịu tác động của cả các yếu tố kinh tế vĩ mô và các yếu tố nội tại bên trong ngân hàng.
Trong đó yếu tố kinh tế vĩ mô là tốc độ tăng trưởng GDP thực có ảnh hưởng cùng chiều với tỷ lệ nợ xấu. Còn đối với các yếu tố nội tại bên trong ngân hàng thì tỷ lệ lợi nhuận ròng trên vốn chủ sở hữu ảnh hưởng ngược chiều với tỷ lệ nợ xấu còn tỷ lệ nợ xấu của năm trước có ảnh hưởng cùng chiều với tỷ lệ nợ xấu.
Phần tiếp theo, trên cơ sở kết quả nghiên cứu, tác giả sẽ đưa ra một số đề xuất góp phần tăng cường hiệu quả quản lý nợ xấu tại BIDV.
CHƯƠNG 4: ĐỀ XUẤT MỘT SỐ GIẢI PHÁP QUẢN LÝ NỢ XẤU TẠI NGÂN HÀNG TMCP ĐẦU TƯ VÀ PHÁT TRIỂN VIỆT NAM
4.1 Định hướng quản lý nợ xấu tại Ngân hàng TMCP Đầu tư và Phát triển Việt Nam
4.1.1 Định hướng chung trong hoạt động tín dụng
Ngân hàng TMCP Đầu tư và Phát triển Việt Nam xây dựng những định hướng trong hoạt động tín dụng trong giai đoạn 2021-2025 như sau:
Tăng trưởng tín dụng phải phù hợp năng lực giám sát, quản lý và các kế hoạch đề ra của ngân hàng. BIDV không thực hiện tăng trưởng tín dụng bằng mọi giá, kiên định với chính sách cho vay có chọn lọc để đảm bảo an toàn vốn cho ngân hàng. Cập nhật liên tục các thông tin về khách hàng, ngành nghề kinh doanh, tình hình tài chính, kinh tế để đầu tư đúng hướng, hạn chế rủi ro. Thường xuyên phân tích đánh giá tình hình kinh doanh, tình hình tài chính của các khách hàng để kịp thời nhận biết và xử lý những rủi ro phát sinh. Giải dần dư nợ hoặc dừng quan hệ đối với các khách hàng hoạt động kinh doanh kém, có dấu hiệu không trả nợ, không thực hiện các nghĩa vụ đã cam kết. Hạn chế tối đa việc phát sinh nợ quá hạn mới.
Định hướng cơ cấu tín dụng hợp lý, giảm thiểu rủi ro:
✓ Cơ cấu về thời hạn cho vay: Thực hiện định hướng tăng tỷ trọng dư nợ cho vay ngắn hạn, kiểm soát quy mô tín dụng trung dài hạn.
✓ Cơ cấu tín dụng theo ngành nghề: Hạn chế tập trung quá nhiều vào một số ngành nghề, ưu tiên các ngành nghề có tiềm năng, ổn định và ít rủi ro, hạn chế cho vay những ngành nghề tiềm ẩn nhiều rủi ro. Tăng cường cho vay các doanh nghiệp ngoài quốc doanh, đẩy mạnh cho vay các doanh nghiệp vừa và nhỏ theo định hướng của chính phủ.
✓ Cơ cấu về loại hình cho vay: Tăng cường việc cho vay có tài sản bảo đảm, nâng cao chất lượng tài sản bảo đảm, xác định cơ cấu cho vay có tài sản bảo đảm phù hợp với chính sách cấp tín dụng.
4.1.2 Định hướng riêng trong việc quản lý nợ xấu
Để thực hiện các định hướng tín dụng đã đề ra, đồng thời để nâng cao chất lượng tín dụng, đảm bảo an toàn vốn vay, BIDV định hướng công tác quản lý nợ xấu trong
thời gian tới như sau:
✓ Đầu tiên, đội ngũ lãnh đạo ngân hàng phải nâng cao nhận thức về nợ xấu và các tác động của nợ xấu, từ đó cân nhắc và đưa ra quyết định hợp lý để cân bằng giữa tăng trưởng tín dụng, lợi nhuận tiềm năng và nợ xấu tại ngân hàng.
✓ Chú trọng nâng cao chất lượng tín dụng, kiểm soát chặt chẽ hoạt động tín dụng trước, trong và sau cho vay, giảm nợ xấu phát sinh mới. Thực hiện đúng theo định hướng tín dụng, không tập trung cho vay quá nhiều vào một ngành nghề, lĩnh vực, doanh nghiệp. Tăng cường hoạt động phân tán rủi ro, mở rộng, đa dạng hóa cho vay, giảm thiểu rủi ro. Đánh giá đầy đủ và lựa chọn các khách hàng có tình hình tài chính lành mạnh, hoạt động sản xuất kinh doanh ổn định, phương án vay vốn khả thi và có định hướng phát triển tốt. Duy trì và phát triển quan hệ với các khách hàng truyền thống có uy tín tốt đồng thời mở rộng tìm kiếm khách hàng tiềm năng phù hợp với tiêu chí và mục tiêu của BIDV.