(nguồn: tác giả bài viết)
Mơ hình 1, khơng sử dụng hồi quy ngưỡng, sử dụng hồi quy dạng bảng. Xác định tác động của DGR, LGR, ER, Size lên NPL.
Mơ hình 2, sử dụng hồi quy ngưỡng để xác định tác động tốc độ tăng trưởng khoản vay năm hiện tại lên nợ xấu ở trên ngưỡng và dưới ngưỡng nợ xấu
Mơ hình 3, sử dụng hồi quy ngưỡng để xác định tác động tốc độ tăng trưởng khoản vay năm trước lên nợ xấu năm hiện tại ở trên ngưỡng và dưới ngưỡng nợ xấu.
, 1 , ( , 1 ) 2 , ( , 1 ) 4 , 5 , 6 , , i t i i t i t i t i t i t i t i t i t NPL c LGR NPL LGR NPL DGR ER Size , 1 , 1( , 1 ) 2 , 1( , 1 ) 4 , 5 , 6 , , i t i i t i t i t i t i t i t i t i t NPL c LGR NPL LGR NPL DGR ER Size , 1 , , 1 2 , , 1 3 , 1 , 1 4 , 1 , 1 5 , 6 , 7 , , ( ) ( ) ( ) ( ) i t i i t i t i t i t i t i t i t i t i t i t i t i t NPL c LGR NPL LGR NPL LGR NPL LGR NPL DGR ER Size
Mơ hình 4 sử dụng hồi quy ngưỡng để xác định tác động tốc độ tăng trưởng khoản vay năm trước và năm hiện tại lên nợ xấu năm hiện tại ở trên ngưỡng và dưới ngưỡng nợ xấu.
3.2 Dữ liệu và phương pháp thực nghiệm
3.2.1 Dữ liệu:
Bài nghiên cứu này sử dụng dữ liệu thu thập từ 19 Ngân hàng TM Việt Nam từ năm 2009 đến năm 2017, dữ liệu theo năm. Thu thập dựa trên dữ liệu nguồn cafef.vn, dữ liệu từ bản báo cáo tài chính (bản scan) sau kiểm tốn hằng năm của ngân hàng, báo cáo thường niên (bản scan) của các ngân hàng được cơng bố trên website ngân hàng đó. Dữ liệu nợ xấu là tổng 3 nhóm nợ Nhóm 3 (Nợ dưới tiêu chuẩn), Nhóm 4 (Nợ nghi ngờ) và Nhóm 5 (Nợ có khả năng mất vốn) được thu thập trong bảng thuyết minh báo cáo tài chính. Nếu ngân hàng khơng cơng bố có dữ liệu bảng thuyết minh báo cáo tài chính thì tỷ lệ nợ xấu được trích dẫn từ báo cáo thường niên ngân hàng. Vì cách tính nợ xấu được ngân hàng nhà nước quy định nên số liệu thu thập giữa 2 cách là giống nhau.
Dữ liệu ngân hàng TM Thái Lan là dữ liệu được lấy từ 19 ngân hàng TM Thái Lan và giai đoan từ 2009 đến 2017, dữ liệu lấy theo năm. Dữ liệu được lấy từ trung tâm dữ liệu Orbis Bank Focus và bankscope do trung tâm dữ liệu- phân tích kinh tế đại hoc kinh tế TP HCM cung cấp.
Dữ liệu được lấy từ Reuter gồm dữ liệu 26 ngân hàng TM Indonesia hằng năm từ năm 2009 đến 2017 dữ liệu được lấy từ trung tâm dữ liệu Reuters do trung tâm dữ liệu- phân tích kinh tế đại hoc kinh tế TP HCM cung cấp.
3.2.2 Phương pháp thực nghiệm:
3.2.2.1 Phương pháp xử lý dữ liệu:
Hồi quy ngưỡng được thực hiện theo phương pháp Fixed effect được đưa ra bởi Hansen "Threshold effects in non-dynamic panels: Estimation, testing, and inference" với phương pháp này chúng tôi sử dụng phần mềm Stata với lệnh “xthreg”. xthreg phù
hợp với các mơ hình dựa trên phương pháp được đề xuất bởi Hansen (1999). Điểm đặc biệt của của xtheg chỉ hỗ trợ dữ liệu bảng cân bằng hồn hảo (balanced panel data) tức khơng cho phép có dữ liệu nào bị missing. Việc thu thập dữ liệu bị missing là điều không thể tránh khỏi. Chúng tôi sử dụng các bước xử lý dữ liệu như sau:
- Bước 1: Thu thập dữ liệu thô: Dữ liệu ban đầu chúng tôi thu thập gồm 40 ngân hàng TM VN, 40 ngân hàng TM Thái Lan và 28 ngân hàng TM Indonesia. - Bước 2: Loại bỏ dữ liệu ngân hàng có khiếm khuyết dữ liệu quá nhiều: Việc
xthreg u cầu khơng có dữ liệu missing chúng tôi lọc lại dữ liệu bằng việc loại bỏ dữ liệu ngân hàng có 4 dữ liệu missing trở lên. Và được dữ liệu được 19 ngân hàng TM VN, 19 ngân hàng TM Thái Lan và 26 ngân hàng TM Indonesia với dữ liệu missing dưới 1%.
- Bước 3: Xử lý dữ liệu missing. Đó chúng tơi sử dụng phương pháp của Nicholas J. Cox (Durham University, UK) để xử lý missing dữ liệu. Với dữ liệu missing dưới 1% vẫn đảm bảo tính chính xác của dữ liệu.
Kết quả: cuối cùng được dữ liệu được thu thập là dữ liệu khơng có missing Và được dữ liệu được 19 ngân hàng TM VN, 19 ngân hàng TM Thái Lan và 26 ngân hàng TM Indonesia.
- Bước 4: Sau đó một kĩ thuật khác được áp dụng là Winsorizing là việc chuyển đổi số liệu bằng cách loại bỏ giá trị ngoại lai trong thống kê dữ liệu để giảm ảnh hưởng của giả mạo của giá trị ngoại lai. Phương pháp này được đặt tên theo kỹ sư sinh học Charles P. Winsor (1895–1951). Người phát minh kĩ thuật này
3.2.2.2. Phương pháp Hồi quy
- Hồi quy ngưỡng được thực hiện theo phương pháp Fixed effect được đưa ra bởi Hansen "Threshold effects in non-dynamic panels: Estimation, testing, and inference"
Ở bước này ta tìm được mức ngưỡng và thực hiện Hansen test để kiểm tra mức ngưỡng phù hợp. Với p-Value nhỏ hơn hoặc bằng 10% cho mức ngưỡng phù hợp, tiếp tục cho hồi quy ngưỡng
Bước 2: Hồi quy ngưỡng mơ hình 2
Làm lại bước 3 tương tự như trên với mơ hình 3,4.
Và phương pháp trên được thực hiện cho dữ liệu Ngân hàng TM VN, Thái Lan và Indonesia.
CHƯƠNG 4: Kết quả thực nghiệm
4.1 Kết quả thực nghiệm đối với các ngân hàng TM VN
4.1.1. Dữ liệu và Thống kê mô tả
Variable Obs Mean Std. Dev. Min Max
LGR 171 0.3764379 0.847304 -0.2379591 10.58862
DGR 171 0.4049294 1.422734 -0.5095661 18.11753
ER 171 0.0904929 0.0384513 1.22E-07 0.2564247
SIZE 171 31.98591 2.711128 0.0940541 34.72248
NPL 171 0.0225047 0.0168094 0 0.114
Bảng 4: Thống kê mô tả dữ liệu Ngân hàng TM Việt Nam
(nguồn: tác giả bài viết)
Đầu tiên là thông kê mô tả dữ liệu các Ngân hàng TM Việt Nam và thông kê lại dữ liệu sau khi loại bỏ giá trị ngoại lai.
Variable Obs Mean Std. Dev. Min Max
LGRs 171 0.3195104 0.3110794 -0.1579829 1.25823
DGRs 171 0.2928353 0.3373405 -0.248198 1.309503
ER 171 0.0904929 0.0384513 1.22E-07 0.2564247
SIZE 171 31.98591 2.711128 0.0940541 34.72248
NPLs 171 0.02224 0.0154205 0.003358 0.0755065
Bảng 5: Thống kê mô tả dữ liệu Ngân hàng TM Việt Nam sau khi loại bỏ giá trị ngoại lai (dữ liệu biến LGR, SIZE, NPL được Winsorizing)
Áp dụng kĩ thuật winsorizing lên các biến LGR, NPL thì các giá trị ngoại lai các biến này bị loại bỏ. Điều này làm loại bỏ sự giả mạo do các giá trị ngoại lai gây ra.
4.1.2. Mơ hình khơng sử dụng hồi quy ngưỡng
Ở mơ hình 1, mơ hình khơng áp dụng hồi quy ngưỡng, hệ số hồi quy của LGR và biến độ trễ 1 năm của LGR (l.NPL) đều âm có ý nghĩa thống kê cao. Như vậy tăng trưởng các khoản cho vay (tăng trưởng tín dụng) tác động làm giảm nợ xấu điều này ngược lại với lý thuyết Foo (Foo cho rằng: Các khoản vay trong quá khứ đã có tác động đồng biến và có ý nghĩa thống kê đối với khoản lỗ của khoản vay trong năm tới với mức tối đa trong năm thứ ba.). Các hệ số hồi quy các biến độc lập khác khơng có ý nghĩa thống kê Các biến độc lập Model 1 LGR -0.013029** (0.0056182) l.LGR -0.0109928*** (0.0038446) ER 0.0993023*** (0.0444012) DGR -0.000609 (0.0047163) SIZE 0.0001422 (0.0004216) N 152 R^2 0.1301
Bảng 6: Kết quả hồi quy mơ hình khơng sử dụng hồi quy ngưỡng các Ngân hàng TM Việt Nam
(nguồn: tác giả bài viết)
Mơ hình hồi quy ngưỡng Hansen (1999) xác định mức ngưỡng của các mơ hình Model Threshold Level γ Conf. interval (95%) P- value Số mẫu trên ngưỡng Số mẫu dưới ngưỡng Mơ hình 2 0.0713 0.0611 0.0725 0.01 6 165 Mơ hình 3 0.0713 0.0469 0.0725 0.09 6 165 Mơ hình 4 0.0713 0.0634 0.0725 0.01 6 165
Bảng 7: Kết quả kiểm định mức ngưỡng đối với các Ngân hàng TM Việt Nam (nguồn: tác giả bài viết) (nguồn: tác giả bài viết)
Mức ngưỡng từ 3 phương trình hồi quy (2) (3) (4) được xác định mức chung 0,0713 tức 7,13%. Kết quả kiểm định mức ngưỡng cho ý nghĩa thống kê cao.
Đồng thời kết quả hồi quy trong cả 3 mơ hình khẳng định ở dưới mức ngưỡng tỷ lệ nợ xấu, hệ số hồi quy của LGR có giá trị âm có ý nghĩa thống kê cao, tốc độ tăng trưởng tín dụng tác động nghịch đến giá trị tỷ lệ nợ xấu của ngân hàng. Ngược lại ở trên mức ngưỡng tỷ lệ nợ xấu, hệ số hồi quy của LGR có giá trị dương có ý nghĩa thơng kê cao, tốc độ tăng trưởng tín dụng tác động cùng chiều đến giá trị tỷ lệ nợ xấu của ngân hàng. Tức là ở mức tỷ lệ nợ xấu cao việc tăng trưởng tín dụng gây ra tỷ lệ nợ xấu cao hơn. Có thể ngân hàng khi ở mức nợ xấu cao họ tiến hành đánh bạc để phục sinh, bằng các cho vay nhiều các khoản rủi ro hơn. Kết quả thực nghiệm đúng với lý thuyết rủi ro đạo đức. Ở mơ hình 3 và mơ hình 4, ở mức dưới mức ngưỡng, hệ số hồi quy của biến độ trễ l.LGR ý nghĩa thống kê vẫn có tác động tương tự như hệ số hồi quy biến không độ trễ LGR. Khi tỷ lệ nợ xấu ở mức thấp dưới ngưỡng, việc tăng trưởng tín dụng tiếp tục tác động làm giảm tỷ lệ nợ xấu một năm sau đó. Khi ở mức tỷ lệ nợ xấu cao hơn ngưỡng, việc tăng trưởng tín dụng tiếp tục tác động làm tăng tỷ lệ nợ xấu một năm sau đó.
Với hệ số hồi quy dương có ý nghĩa thống kê cao trong mơ hình 2, 3 và 4 Tỷ lệ vốn chủ sở hữu ER càng lớn tác động làm tăng tỷ lệ nợ xấu. Đây là kết luận ngược lại với giả thuyết, kết quả cho thấy ngân hàng vốn chủ sở hữu càng nhỏ càng giảm tỷ lệ nợ xấu hoặc ngược lại. Sở dĩ như vậy vì trong cơ cấu ngành ngân hàng VN có một số ngân hàng TM VN có một phần sở hữu nhà nước. Có thể các ngân hàng TM có tỷ lệ vốn chủ
sở hữu cao là những ngân hàng TM có một phần sở hữu nhà nước và thuộc quyền kiểm sốt bởi cổ đơng nhà nước. Với ngân hàng TM có tỷ lệ vốn chủ sở hữu thấp có thể là các ngân hàng tư nhân khơng có vốn nhà nước. Và các ngân hàng tư nhân có quyền kiểm sốt bởi các cổ đơng tư nhân sẽ bảo vệ tài sản của mình tốt hơn bằng cách giám sát hoạt động ngân hàng chặt chẽ hơn.
Các biến độc lập Model 2 Model 3 Model 4
LGR(l.NPL< γ) -0.017664*** -0.0176623*** (0.0054733) (0.0052136) LGR(l.NPL> γ) 0.0470264*** 0.0348525** (0.0138253) (0.0136188) l.LGR(l.NPL< γ) -0.0133321*** -0.0120175*** (0.0038266) (0.0035946) l.LGR(l.NPL> γ) 0.0350935** 0.0244156* (0.0136246) (0.0130127) ER 0.1138867*** 0.1162904*** 0.1166944*** (0.0384639) (0.0392222) (0.0366215) DGR -0.0049377 -0.0046692 -0.0003714 (0.004335) (0.0040256) (0.0043147) SIZE 0.0001059 0.0002028 0.0001129 (0.0004022) (0.0004105) (0.0003829) N 152 152 152 R^2 0.24 0.19 0.29
Bảng 8: Kết quả hồi quy mơ hình ngưỡng các Ngân hàng TM Việt Nam
(nguồn: tác giả bài viết)
Các biến Size, DGR khơng có ý nghĩa thống kê trong tất cả 4 mơ hình. Như vây ta khơng tìm thấy bằng chứng cho các giả thiết vấn đề “too big to fail” hay vấn để rủi ro đạo đức vì bảo hiểm tiền gửi trong các ngân hàng TM Việt Nam
4.2 Nghiên cứu rủi ro đạo đức trong ngành ngân hàng Thái Lan
4.2.1. Dữ liệu và Thống kê mô tả
Thống kê mô tả
Variable Obs Mean Std. Dev. Min Max
LGR 171 0.121108 0.240005 -0.58688 1.536505
DGR 171 0.1533 0.506649 -0.55311 4.997533
ER 171 0.113083 0.073255 -0.20376 0.34045
SIZE 171 23.07028 1.533497 19.65024 25.26796
NPL 171 0.061763 0.09394 2.04E-05 0.56899
Bảng 9: Thống kê dữ liệu 19 ngân hàng TM Thái Lan (nguồn: tác giả bài viết) (nguồn: tác giả bài viết)
Giống như Dữ liệu các Ngân hàng TM Việt Nam. Việc đầu tiên là thống kê mô tả dữ liệu các ngân hàng TM Thái Lan và thông kê lại dữ liệu sau khi loại bỏ giá trị ngoại lai. Việc xử lý dữ liệu sẽ làm giảm ảnh hưởng của giả mạo của giá trị ngoại lai.
Bằng việc winsorizing các giá trị ngoại lai của LGR, NPL và DGR bị loại bỏ. Dữ liệu sau winsorizing
Variable Obs Mean Std. Dev. Min Max
LGR 171 0.095293 0.110996 -0.05769 0.280692
DGR 171 0.085941 0.160788 -0.15787 0.373969
ER 171 0.113083 0.073255 -0.20376 0.34045
SIZE 171 23.07028 1.533497 19.65024 25.26796
NPL 171 0.041883 0.025331 0.016235 0.09929
Bảng 10: Thống kê dữ liệu 19 ngân hàng TM Thái Lan sau khi loại bỏ giá trị ngoại lai
4.2.2 Kết quả thực nghiệm
4.2.2.1 Mơ hình khơng sử dụng hồi quy ngưỡng
Các biến độc lập Model 1 LGR 0.004714 (0.017711) l.LGR -0.0213209* (0.0122348) ER -0.071791** (0.0320916) DGR -0.0037309 (0.0120736) SIZE -0.0047841** (0.0021517) N 152 R^2 0.2292
Bảng 11: Kết quả hồi quy Mơ hình khơng sử dụng hồi quy ngưỡng các ngân hàng TM Thái Lan
(nguồn: tác giả bài viết)
Ở mơ hình 1, mơ hình khơng áp dụng hồi quy ngưỡng, hệ số hồi quy của LGR dương khơng có ý nghĩa thống kê và l.LGR âm có ý nghĩa thống kê. Như vậy tăng trưởng các khoản cho vay (tăng trưởng tín dụng) tác động làm giảm nợ xấu trong năm tiếp theo điều ngày ngược lại với lý thuyết Foos (Lý thuyết của Foos: Các khoản vay trong quá khứ đã có tác động đồng biến và có ý nghĩa thống kê đối với khoản lỗ của khoản vay trong năm tới với mức tối đa trong năm thứ ba.)
Các hệ số hồi quy của Size âm có ý nghĩa thống kê trong mơ hình 1 điều này cho thấy các ngân hàng càng lớn càng ít nợ xấu. điều này ngược lại với giả thiết vấn đề “too big to fail”
Hệ số hồi quy của ER là âm và có ý nghĩa thơng kê như vậy Tỷ lệ vốn chủ sở hữu ER càng lớn tác động làm giảm tỷ lệ nợ xấu. Phù hợp với giả thuyết ngân hàng vốn chủ sở hữu càng nhỏ càng gây ra rủi ro đạo đức khi làm tăng tỷ lệ nợ xấu.
4.2.2.2. Mơ hình sử dụng hồi quy ngưỡng
Kiểm định mức ngưỡng của Hansen số liệu các ngân hàng TM Thái Lan. Kết quả kiểm định mức ngưỡng của của mơ hình 2,3,4 xác định mức ngưỡng với mức ngưỡng có ý nghĩa thơng kê cao. Tuy kết quả mức ngưỡng 3 mơ hình có chút khác biệt với giá trị là 5.62% mơ hình 2 và 4; là 5.39% là mơ hình 3 nhưng khoảng tin cậy của mức ngưỡng trùng lắp nhau. Model Threshold Level γ Conf. interval (95%) P-value Số mẫu trên ngưỡng Số mẫu dưới ngưỡng Mơ hình 2 0.0562 0.0502 0.0568 0 37 134 Mơ hình 3 0.0539 0.0497 0.0543 0 41 130 Mơ hình 4 0.0562 0.0509 0.0568 0 37 134
Bảng 12: Kết quả kiểm định mức ngưỡng đối với ngân hàng TM Thái Lan (nguồn: tác giả bài viết) (nguồn: tác giả bài viết)
Đồng thời kết quả hồi quy trong cả 3 mơ hình khẳng định ở dưới mức ngưỡng nợ xấu, hệ số hồi quy của LGR có giá trị âm có ý nghĩa thơng kê cao, tốc độ tăng trưởng tín dụng tác động nghịch đến giá trị tỷ lệ nợ xấu của ngân hàng. Ngược lại nợ xấu ở trên mức ngưỡng hệ số hồi quy của LGR có giá trị dương có ý nghĩa thơng kê cao, tốc độ tăng trưởng tín dụng tác động cùng chiều đến giá trị tỷ lệ nợ xấu của ngân hàng. Tức là ở mức nợ xấu cao việc tăng trưởng tín dụng gây ra nợ xấu cao hơn. Có thể ngân hàng khi ở mức nợ xấu cao họ tiến hành đánh bạc để phục sinh, bằng các cho vay nhiều các khoản rủi ro hơn. Kết quả thực nghiệm đúng với lý thuyết rủi ro đạo đức.
Ở mơ hình 3 và mơ hình 4, ở mức dưới mức ngưỡng, như vậy l.LGR vẫn có tác động tương tự như hệ số hồi quy biến không độ trễ LGR. Khi tỷ lệ nợ xấu ở mức thấp
dưới ngưỡng, việc tăng trưởng tín dụng tiếp tục tác động làm giảm tỷ lệ nợ xấu một năm sau đó. Khi ở mức tỷ lệ nợ xấu cao hơn ngưỡng, việc tăng trưởng tín dụng tiếp tục tác động làm tăng tỷ lệ nợ xấu một năm sau đó.
Với hệ số hồi quy của ER âm có ý nghĩa thống kê cao trong mơ hình 2 và âm khơng có ý nghĩa thống kê trong các mơ hình 3 và 4, tỷ lệ vốn chủ sở hữu ER càng lớn tác động làm giảm tỷ lệ nợ xấu. Phù hợp với giả thuyết ngân hàng vốn chủ sở hữu càng