CHƢƠNG III : THIẾT KẾ NGHIÊN CỨU
3.2. Mô hình nghiên cứ u
Qua tham khảo các bài nghiên cứu trƣớc, có rất nhiều yếu tố tác động RRTD
ngân hàng. Một số yếu tố.chỉ có ý nghĩa riêng đối với từng nền kinh tế, một số yếu tố khác ảnh hƣởng có ý nghĩa đến hầu hết các nền kinh tế. Tác giả lựa chọn một số biến có ý nghĩa tại hầu hết các.nền kinh tế và phù hợp với thực tiễn của Việt Nam để nghiên cứu, 2 mô hình đƣợc xây dựng nhƣ sau:
Mô hình 1:
NPLit= β0 + β1(RGDP)t + β2(INF)t + β3(MC)t + β4(RI)t + β5(ESI)t+ β6(EXI)t +
β7(SIZE)it+ β8(ETA)it+ β9(LG)it+ β10(LDR)it+ β11(ROA)it+ β12(IIR)it+ εit
Mô hình 2:
LLPit= β0 + β1(RGDP)t + β2(INF)t + β3(MC)t + β4(RI)t + β5(ESI)t+ β6(EXI)t +
β7(SIZE)it+ β8(ETA)it+ β9(LG)it+ β10(LDR)it+ β11(ROA)it+ β12(IIR)it+ εit Bảng 3.1: Các biến, giả thuyết nghiên cứu và tham khảo
Phân
loại Tên yếu tố Ký hiệu Công thức
Dấu kỳ vọng Tham khảo A. Biến độc lập (các yếu tố) Các yếu tốvĩ mô Tăng trƣởng kinh tế RGDP Tốc độ tăng trƣởng tổng sản phẩm quốc nội - Lạm phát (-)
Castro, Vítor. (2013), Ćurak, Marijana và cộng sự (2013), Ahlem Selma Messai, & Fathi Jouini. (2013), Koju, Laxmi và
cộng sự (2018), Wiem Ben Jabra và cộng sự (2017), Đỗ Quỳnh Anh và Nguyễn Đức Hùng (2013)
Tỷ lệ lạm phát INF (+)
Đỗ Quỳnh Anh và Nguyễn Đức Hùng
(2013), Ôn Quỳnh Nhƣ (2017), Nguyễn
Xuân Âu (2017)
Giá trị vốn hóa thị trƣờng MC
Giá trị vốn hóa thị trƣờng/%GDP
Giá trị vốn hóa thị trƣờng = Giá thị trƣờng của cổ phiếu ngân hàng* Số lƣợng cổ phiếu thƣờng đang lƣu hành.
Lãi suất thực RI Lãi suất danh nghĩa - Lạm phát (+)
Ahlem Selma Messai, & Fathi Jouini. (2013), Chaibi, Hasna & Ftiti, Zied, (2015), Lê Bá Trực (2015), Nguyễn Thùy Dƣơng & Trần Thị Thu Hƣơng
(2017)
Tăng trƣởng thị trƣờng bất động sản
ESI Chỉ số giá nhà đất thời điểm t –
100 (+) Lê Bá Trực (2015), Lê Bá Trực (2018)
Biến động tỷ giá EXI Chỉ số giá USD thời điểm t - 100 (-)
Zribi, Nabila và cộng sự (2011), Castro, Vítor. (2013), Lê Bá Trực (2015), Lê Bá
Trực (2018)
Các yếu tố vi mô
Quy mô tài sản SIZE Log (Tổng Tài sản) (-)
Ćurak, Marijana và cộng sự (2013), Koju, Laxmi và cộng sự (2018), Nguyễn Thùy Dƣơng & TrầnThị Thu Hƣơng (2017), Lê Bá Trực (2018)
Tỷ lệ đòn bẩy tài
chính ETA Vốn chủ sở hữu/(Tổng Tài sản (-)
Salas, V và J.Saurina (2002), Zribi,
Nabila và cộng sự (2011), Wiem Ben Jabra và cộng sự (2017), Nguyễn Thùy Dƣơng & Trần Thị Thu Hƣơng (2017) Tốc độ tăng trƣởng tín dụng LG (Tổng dƣ nợ năm t –Tổng dƣ nợ năm (t- 1))/ Tổng dƣ nợ năm (t-1) (+)
Castro, Vítor. (2013), Nguyễn Thị Ngọc Diệp và Nguyễn Minh Kiều (2015), Nguyễn Thùy Dƣơng & Trần Thị Thu Hƣơng (2017), Nguyễn Thị Gấm (2018), Võ Thị Quý & Bùi Ngọc Toản (2014) Tỷ lệ dƣ nợ/Vốn
huy động LDR
Tổng dƣ nợ thời điểm t/
Tổng tiền gửi thời điểm t (-) Nguyễn Thị Gấm (2018) Khả năng sinh
lời trên vốn chủ sở hữu
ROA Lợi nhuận ròng/Tổng tài sản (-)
Louzis, Dimitrios và cộng sự (2010),
Chaibi, Hasna & Ftiti, Zied, (2015),
Koju, Laxmi và cộng sự (2018), Phạm Xuân Quỳnh & Trần Đức Tuấn (2019) Lãi suất cho vay IIR Thu nhập về lãi/
Tổng dƣ nợ ròng bình quân (+)
Ganic, Mehmed. (2014), Phạm Xuân Quỳnh & Trần Đức Tuấn (2019), Lê Bá Trực (2018)
B. Biến phụ thuộc (rủi ro tín dụng)
Mô hình
Mô hình 2 Mức trích lập dự phòng rủi ro tín dụngg LLP Mức dự phòng rủi ro tín dụng/Tổng dƣ nợ tín dụng
Nguồn: Tác giả tổng hợptừ dữ liệu nghiên cứu
3.3.Phƣơng pháp ƣớc lƣợng
Mục đích của đa số các nghiên cứu thực nghiệm trong kinh tế là giải thích mối quan hệ giữa một biến phụ thuộc Y, theo một hay nhiều biến giải thích (X1, X2,
X3,…). Để làm điều này, ta cần biết sự tác động của Xi lên Y nhƣ thế nào, cả chiều hƣớng lẫn độ lớn của tác động. Sau khi thu thập mẫu để có đƣợc kết quả ƣớc lƣợng không chệch tác động của X lên Y, để kết quả ƣớc lƣợng là không thiên chệch đòi hỏi phải kiểm soát các biến nhiễu, cả các biến quan sát đƣợc lẫn các biến không quan sát đƣợc. Đối với các biến nhiễu quan sát đƣợc, có thể sử dụng mô hình hồi quy tuyến tính đa biến cổ điển (MCLR). Đối với các biến nhiễu không quan sát đƣợc, tuỳ vào đặc điểm khác nhau giữa các đối tƣợng và thời gian mà lựa chọn mô hình hồi quy tác động cố định hay tác động ngẫu nhiên.
3.3.1. Mô hình Pooled OLS
Đây là phƣơng pháp phân tích hồi qui bội dựa trên nguyên tắc bình phƣơng nhỏ nhất để tìm ra mối quan hệ giữa biến phụ thuộc và các biến độc lập.
Thông qua phƣơng pháp Pooled OLS, hằng số và các tham số của mô hình sẽ đƣợc ƣớc lƣợng. Hệ số Sig. (P-value) của kết quả phân tích hồi quy cho biết mức độ tác động của các biến độc lập lên từng biến phụ thuộc. Các mức thống kê có ý nghĩa thƣờng đƣợc sử dụng là 1%, 5% hoặc 10% (hay nói cách khác là độ tin cậy 99%, 95% hoặc 90%). Trong nghiên cứu này, tác giả chọn mức thống kê có ý nghĩa là 1%, tức là biến độc lập chỉ đƣợc xem là có ảnh hƣởng mạnh đến biến phụ thuộc khi giá trị Sig. của từng biến độc lập trong mô hình hồi quy nhỏ hơn 1% (P-value<0,1),
và ngƣợc lại. Hệ số R2 (R-squared) hoặc R2 điều chỉnh (adjusted R-squared) từ kết quả phân tích sẽ cho biết khả năng tất cả các biến độc lập giải thích đƣợc sự biến động của NPL & LLR trong mô hình hồi quy.
Đây đƣợc xem là phƣơng pháp đáng tin cậy trong việc ƣớc lƣợng mối quan hệ tuyến tinh giữa biến phụ thuộc và các biến độc lập. Tuy nhiên mô hình OLS dữ liệu
chéo lại ràng buộc quá chặt về không gian và thời gian – các hệ số hồi quy không đổi –có thể làm mất đi ảnh hƣởng thật của biến độc lập lên biến phụ thuộc dẫn đến kết quả mô hình không phù hợp trong điều kiện thực tế.
3.3.2. Mô hình ảnh hưởng cố đinh – FEM
Với giả đinh mỗi thực thể đều có những đặc điểm riêng biệt có thể ảnh hƣởng đến các biến giải thích, FEM phân tích mối tƣơng quan này giữa phần giữa phần dƣ của mỗi thực thể với các biến giarit íchqua đó kiểm soát và tách ảnh hƣởng của các đặc điểm riêng biệt (không đổi theo thời gian) ra khỏi các biến giải thích để chúng ta có thể ƣớc lƣợng những ảnh hƣởng thực (net effects) của biến giải thích lên biến phụ thuộc.
Mô hình ƣớc lƣợng sử dung:
Yit = Ci + βXit + uit
Trong đó:
Yit : biến phụ thuộc với i: doanh nghiệp và t: thời gian (năm)
Xit : biến độc lập
Ci (i=1…n): hệ số chặn cho từng thực thể nghiên cứu Β: hệ số góc đối với yếu tố X
uit: phần dƣ
Mô hình trên đã thêm vào chỉ số i cho hệ số chặn “c” để phân biệt hệ số chặn của từng doanh nghiệp khác nhau có thể khác nhau, sự khác biệt này có thể do đặc điểm khác nhau của từng doanh nghiệp hoặc do sự khác nhau trong chính sách quản lý, hoạt động của doanh nghiệp.“
3.3.3. Mô hình ảnh hưởng ngẫu nhiên – REM
Điểm khác biệt giữa mô hình ảnh hƣởng ngẫu nhiên và mô hình ảnh hƣởng cố định đƣợc thể hiện ớ sự biến động giữa các thực thể. Nếu sự biến động giữa các thực thể có tƣơng quan đến biến độc lập –biến giải thích trong mô hình ảnh hƣởng cố định thì trong mô hình ảnh hƣởng ngẫu nhiên sự biến động giữa các thực thể đƣợc giả sử là ngẫu nhiên và không tƣơng quan đến các biến giải thích.
Chính vì vậy, nếu sự khác biệt giữa các thực thể có ảnh hƣởng đến biến phụ
(khong tƣơng quan với biến giaari thích) đƣợc xem là một biến giải thích mới. Ý tƣởng cơ bản của mô hình ảnh hƣởng ngẫu nhiên cũng bắt đầu từ mô hình:
Yit = Ci + βXit + uit
Thay vì trong mô hình trên, Ci là cố định thì trong REM có gia định rằng nó là một biến ngẫu nhiên với trung bình là C1 và giá trị hệ số chặn đƣợc mô tả nhƣ sau:
C1= C + εi (i=1, …, n)
εi : sai số ngẫu nhiên có trung bình bằng 0 và phƣơng sai là σ Thay vào mô hình ta có:
Yit = Ci + βXit+ εi + uit hay Yit = Ci + βXit + wit với wit= εi + uit
εi: sai số thành phần của các đối tƣợng khác nhau (đặc điểm riêng khác nhau của từng doanh nghiệp)
uit: sai số thành phần kết hợp khác của cả đặc điểm riêng theo từng đối tƣợng và thời gian.
Nhìn chung mô hình FEM hay REM tốt hơn cho nghiên cứu phụ thuộc vào giả định có hay không sự tƣơng quan giữa εi và các biến giải thích X. Nếu giả thích rằng không tƣơng quan thì REM phù hợp hơn, và ngƣợc lại. Kiểm định Hausman là một trong những phƣơng pháp để lựa chọn giữa FEM và REM. Vì thế, phần kết quả hồi quy nghiên cứu này sẽ lần lƣợt đi qua cả ba mô hình Pooled OLS, FEM và REM để chọn mô hình thích hợp nhất. “
3.3.4. Lựa chọn phương pháp ước lượng
Câu hỏi đặt ra là mô hình nào sẽ là mô hình phù hợp: Pooled OLS, FEM hay REM? Sự phù hợp của ƣớc lƣợng tác động ngẫu nhiên và tác động cố định đƣợc kiểm chứng trên cơ sở so sánh với ƣớc lƣợng thô.
Cụ thể, ƣớc lƣợng tác động cố định đƣợc kiểm chứng bằng kiểm định F với giả thuyết H0 cho rằng tất cả các hệ số vi đều bằng 0 (nghĩa là không có sự khác biệt giữa các đối tƣợng hoặc các thời điểm khác nhau). Bác bỏ giả thuyết H0 với mức ý nghĩa cho trƣớc (giả sử mức ý nghĩa 5%) sẽ cho thấy ƣớc lƣợng tác động cố định là phù hợp. Đối với ƣớc lƣợng tác động ngẫu nhiên, phƣơng pháp nhân tử Lagrange (LM) với kiểm định Breusch-Pagan đƣợc sử dụng để kiểm chứng tính phù
hợp của ƣớc lƣợng (Baltagi, 2008). Theo đó, giả thuyết H0 cho rằng sai số của ƣớc lƣợng thô không bao gồm các sai lệch giữa các đối tƣợng var(vi) = 0 (hay phƣơng sai giữa các đối tƣợng hoặc các thời điểm là không đổi). Bác bỏ giả thuyết H0, cho thấy sai số trong ƣớc lƣợng có bao gồm cả sự sai lệch giữa các nhóm, và phù hợp với ƣớc lƣợng tác động ngẫu nhiên.
Kiểm định Hausman sẽ đƣợc sử dụng đểlựa chọn phƣơng pháp ƣớc lƣợng phù hợp giữa hai phƣơng pháp ƣớc lƣợng tác động cố định và tác động ngẫu nhiên (Baltagi, 2008 trang 320; Gujarati, 2004 trang 652). Giả thuyết H0 cho rằng không có sự tƣơng quan giữa sai số đặc trƣng giữa các đối tƣợng (vi) với các biến giải thích Xit trong mô hình. Ƣớc lƣợng RE là hợp lý theo giả thuyết H0 nhƣng lại không phù hợp ở giả thuyết thay thế. Ƣớc lƣợng FE là hợp lý cho cả giả thuyết H0 và giả thuyết thay thế. Tuy nhiên, trong trƣờng hợp giả thuyết H0 bị bác bỏ thì ƣớc lƣợng tác động cố định là phù hợp hơn so với ƣớc lƣợng tác động ngẫu nhiên. Ngƣợc lại, chƣa có đủ bằng chứng để bác bỏ H0 nghĩa là không bác bỏ đƣợc sự tƣơng quan giữa sai số và các biến giải thích thì ƣớc lƣợng tác động cố định không còn phù hợp và ƣớc lƣợng ngẫu nhiên sẽ ƣu tiên đƣợc sử dụng.“
CHƢƠNG IV: KẾT QUẢ NGHIÊN CỨU
4.1.Tổng quan về RRTD tại các NHTMCP Việt Nam
4.1.1. Thống kê mô tả Tỷ lệ nợ xấu
Thực trạng RRTD của các NHTMCP Việt Nam qua chỉ tiêu tỷ lệ nợ xấu trung bình trong năm 2012-2018 đƣợc phản ánh bởi biểu đồ 4.1 và bảng 4.1:
Biểu đồ 4.1: Tỷ lệ nợ xấu trung bình của các NHTMCP Việt Nam giai đoạn 2012-2018
Bảng 4.1: Thống kê mô tả tỷ lệ nợ xấucủa các NHTMCP Việt Nam giai đoạn 2012-2018 giai đoạn 2012-2018
Giá trị trung bình Giá trị thấp nhất Giá trị cao nhất Độ lệch chuẩn mẫu
2.45% 0.423% 9.004% 1.46%
Nguồn: Tác giả tổng hợptừ dữ liệu nghiên cứu
Nhận xét: Qua biểu đồ 4.1 và bảng số liệu đã tổng hợp cho thấy tỷ nợ xấu trung bình của các ngân hàng là 2.45%/năm, chỉ với 12 ngân hàng (tƣơng đƣơng 39,33% mẫu) vƣợt ngƣỡng bình quân tỷ lệ nợ xấu là: Bac A Bank; BAOVIET
Bank; DongA Bank; Eximbank; MSB; NCB; PG Bank; PVcomBank; SCB;
PVcomBank có tỷ lệ nợ xấu co nhất 5.54%. Trong khi đó 20 ngân hàng còn lại có tỷ lê nợ xấu thấp hơn tỉ lệ nợ xấu trung bình.
Từ kết quả tính toán cho thấy bình quân với một 100 đồng vốn đầu tƣ vào tài sản của các ngân hàng thì có 2.45 đồng nợ xấu. Con số này cho thấy mức sinh lời bình quân của các ngân hàng là khá tốt trong điều kiện giảm sút kinh tế toàn cầu và sự thay đổi các chính sách pháp luật trong mấy năm gần đây, dịch Covid năm 2020
đã gây ra nhiều khó khăn cho ngành này. Thêm vào đó có thể thấy rằng sự chênh lệch về giá trị của chỉ tiêu này giữa các ngân hàng là khá nhỏ, với độ lệch chuẩn mẫu nghiên cứu là 1.41%. Điều này cũng lí giải vì sao chỉ có 39.3% NHTMCP vƣợt mức trung bình còn 20 ngân hàng còn lại thấp hơn so với trung bình ngành. Chính vì những lý do trên, việc tìm ra các chính sách liên quan phù hợp với đặc điểm riêng của ngân hàng để giảm tỉ lệ nợ xấu rất quan trọng.
Tỷ lệ nợ xấu trong hệ thống ngân hàng giảm xuống mức tƣơng đối thấp là 2,1% vào 2018, so với 2,4% năm 2017, do các ngân hàng đẩy mạnh xử lý nợ xấu thông qua thu hồi nợ và bán tài sản thế chấp qua áp dụng Nghị quyết 42.
4.1.2. Thống kê mô tả Mức trích lập dự phòng RRTD
Thực trạng RRTD của các NHTMCP Việt Nam qua mức trích lập dự phòng
RRTD trung bình trong năm 2012-2018 đƣợc phản ánh bởi biểu đồ sau
Biểu đồ 4.2: Mức trích lập dự phòng rủi ro tín dụng trung bình của các
Bảng 4. 1: Số liệu về Trích lậpdự phòng rủi ro tín dụng
Giá trị trung bình Giá trị thấp nhất Giá trị cao nhất Độ lệch chuẩn mẫu
1.34% 0.545% 3.886% 0.527%
Nguồn: Tác giả tổng hợptừ dữ liệu nghiên cứu
Nhận xét: Qua biểu đồ 4.2 và bảng 4.2,có thể thấy chỉ số Mức trích lập dự phòng rủi ro tín dụng là 1.34% và có 12 ngân hàng tƣơng đƣơng 36.33% của mẫu vƣợt ngƣỡng trung bình, tiêu biểu là: BAOVIET Bank, DongA Bank, Eximbank,
MSB, NCB, PG Bank, PVcomBank, SCB, SeABank, Viet Capital Bank, VietABank, Vietbank, đặc biệt PVcomBank có tỷ lệ trích lập dự phòng cao nhất 2.4% trong giai đoạn 2012-2018.
Trong 21 ngân hàng, Mức trích lập dự phòng rủi ro tín dụng còn lại có chỉ số nhỏ hơn hoặc bằng mức trung bình của ngành và thấp nhất bằng 0.545% trong giai đoạn 2012-2018.
4.1.3. Thống kê mô tả các biến độc lập
Các biến độc lập đƣợc sử dụng trong mô hình đƣợc tóm tắt đơn giản thông qua
kết quả thống kê mô tả dƣới đây:
Bảng 4. 2. Thống kê mô tả các biếnđộc lập
Biến độc lập Giá trị thấp nhất Giá trị cao nhất Giá trị trung bình Độ lệch chuẩn mẫu RGDP -1.610 6.100 2.007 2.430 INF 0.600 6.810 4.193 1.869 MC 6.269 7.307 6.852 0.336 RI 4.760 9.200 6.103 1.351 ESI -1.620 10.640 3.941 3.368 EXI 0.180 3.160 1.354 0.968 SIZE 7.123 9.118 8.033 0.491 ETA 0.033 0.238 0.090 0.039 LG -0.162 1.068 0.180 0.168 LDR 0.407 1.344 0.837 0.162 ROA -0.382 2.640 0.600 0.494 IIR -0.012 0.119 0.047 0.021
Trong giai đoạn nghiên cứu, tốc độ tăng trƣởng tín dụng trung bình là 18%
mỗi năm, cao nhất là 107,5% (VPBank trong năm 2018) và thấp nhất là -16,2%
(Vietbank trong năm 2015). Đặc biệt, tỷ lệ dƣ nợ cho vay so với tổng nguồn vốn huy động thƣờng rất cao, trung bình là 83,7%. Điều này cho thấy các NHTMCP
đang lệ thuộc nhiều vào hoạt động tín dụng. Ngoài ra, khả năng sinh lời phân bổ khá dài từ -0,382% đến 2,64% cho thấy sự khác biệt lớn trong hiệu quả kinh doanh của các NHTMCP đƣợc khảo sát.
4.1.4. Đánh giá chung về rủi ro tín dụng tại Ngân hàng thương mại VN
4.1.4.1. Kết quả đạt được
- Chất lượng tín dụng được cải thiện
Các giải pháp xử lý nợ xấu đƣợc triển khai đồng bộ cùng với các biện pháp kiểm soát, phòng ngừa nợ xấu mới phát sinh đã góp phần nâng cao chất lƣợng tín