CHƢƠNG 3 : PHƢƠNG PHÁP NGHIÊN CỨU
3.1. Giả thiết nghiên cứu
Phần trước, bài nghiên cứu đã thể hiện bằng chứng cho thấy có những tác động khác nhau từ việc đa dạng hóa đến rủi ro ngân hàng, có thể cùng chiều, ngược chiều ho c khơng có tác động. Tuy nhiên, theo các cơng trình tiêu biểu trong và ngồi nước trước đây, đ c biệt là nghiên cứu của Matthias Kohler (2013); Joaquin
Maudos (2016) và Sissy và cộng sự (2016) đã chỉ ra các bằng chứng cho thấy mối
quan hệ ngược chiều giữa đa dạng hóa thu nhập và rủi ro ngân hàng Thực tế cho thấy thì hiện nay rất nhiều ngân hàng đã và đang áp dụng nhiều hình thức đa dạng hóa nguồn thu nhập với mong muốn giảm thiểu rủi ro phá sản Vậy thực sự thì đa dạng hóa thu nhập có góp phần làm giảm rủi ro phá sản của ngân hàng hay không? Kết quả nghiên cứu sẽ trả lời câu hỏi này Do đó, bài nghiên cứu đ t ra giả thiết cho rằng việc đa dạng hóa thu nhập có thể có tác động làm giảm thiểu rủi ro phá sản ngân hàng.
Giả thiết H1: a dạng hóa thu nhập c tác động làm gi m rủi ro phá s n
của các ngân hàng.
Ngoài ra, theo nghiên cứu của Michael Dempsey (2015) phân tích thị trường chứng khốn phản ứng như thế nào đối với việc đa dạng hóa ngân hàng trong khu vực Nam Á. Bài nghiên cứu kết luận khi các ngân hàng đa dạng hóa từ thu nhập từ lãi, họ sẽ đạt được mức định giá trên thị trường cao hơn đối với việc định giá theo sổ sách (higher market to book valuation) và cải thiện khả năng thanh toán, nhưng chỉ đến một điểm, vượt quá những chỉ số hiệu quả này, kết quả ngược lại nếu mức độ đa dạng hóa cao hơn Lấy ý tưởng từ bài nghiên cứu này, tác giả vận dụng nghiên cứu trong trường hợp đa dạng hóa thu nhập của các ngân hàng TMCP tại Việt Nam. Liệu tương quan giữa đa dạng hóa thu nhập và rủi ro có tồn tại theo quy luật tuyến tính một chiều hay có thể tồn tại mối quan hệ hai chiều hay không? Trên thực tế, trong thời gian gần đây việc đa dạng hóa thu nhập đang dần trở thành xu hướng mà các ngân hàng đang chuyển đổi thông qua việc phát triển các mảng dịch vụ, kinh doanh ngoại hối, mở rộng các hoạt động kinh doanh vàng, chứng khoán,
bảo hiểm,… ên cạnh đó, những rủi ro và bất ổn trong hệ thống ngân hàng của Việt Nam đang dần hiện rõ và xảy ra nhiều hơn Do đó, tác giả cho rằng việc đa dạng hóa góp phần giảm thiểu rủi ro, tuy nhiên nếu việc đa dạng hóa thu nhập quá mức dẫn đến yếu kém trong quản lý, kiểm sốt thì ngược lại có thể gia tăng thêm rủi ro.
Giả thiết H2: Tồn tại mức độ đa dạng hóa tối ưu tại đ rủi ro là thấp nhất.
Nếu đa dạng h a vượt qua mức tối ưu này thì c thể gia tăng rủi ro cho ngân hàng.
3.2. Mơ hình nghiên cứu
3.2.1. Mơ hình định lƣợng
Dựa vào mơ hình nghiên cứu của Matthias Kohler (2013); Joaquin Maudos
(2016) và Sissy và cộng sự (2016), mơ hình nghiên cứu sự tác động của đa dạng hóa
thu nhập đến rủi ro của NHTM Việt Nam giai đoạn 2005 - 2017 được xác định như sau:
Riskit = β0i + β1Riskit-1 + β2HHIit + β3HHI2it + β4LnAit + β5GrowAit + β6Loan_Ait
+ β7Depo_Ait + β8E_Ait + β9Exp_Ait + β10GDPPCt + β11INFt + εit [1]
Riskit = β0i + β1Riskit-1 + β2NONit + β3NON2it + β4LnAit + β5GrowAit +
β6Loan_Ait + β7Depo_Ait + β8E_Ait + β9Exp_Ait + β10GDPPCt + β11INFt + εit [2]
Trong đ
Riskit: Biến phụ thuộc đại diện cho rủi ro phá s n ngân hàng (biến thiên nghịch
chiều với rủi ro);
Riskit-1: Biến trễ của biến phụ thuộc;
HHIit: Biến gi i thích đại diện cho mức tập trung cấu trúc thu nhập của ngân hàng; HHI2it: Bình phương của biến HHI;
NONit: Biến gi i thích đại diện cho tỷ lệ thu nhập ngồi lãi trên tổng thu nhập của ngân
hàng;
NON2it: Bình phương của biến NON;
LnAit: Quy mô tổng tài s n;
GrowAit: Tốc độ tăng trưởng tổng tài s n;
Loan_Ait: Tỷ lệ cho vay khách hàng trên tổng tài s n; E_Ait: Tỷ lệ vốn chủ sở hữu trên tổng tài s n;
Exp_Ait: Tỷ lệ chi tiêu hoạt động trên tổng tài s n.
GDPPCt: Tốc độ tăng trưởng kinh tế bình quân đầu người.
INFt: Tỷ lệ chi tiêu hoạt động trên tổng tài s n. εit: Phần dư
3.2.2. Đo lƣờng các biến
3.2.2.1. Biến phụ thuộc
Biến phụ thuộc để đo lường rủi ro được sử dụng trong các nghiên cứu trước là:
Z_Score = (ROA+ E/A)/σROA
Biến Z_Score là đề cập đến cả lợi nhuận sau thuế và vốn chủ sở hữu do vậy nó thể hiện được cả về độ rủi ro và mức độ chấp nhận và chịu đựng rủi ro của ngân
hàng. Theo nghiên cứu của Matthias Kohler (2013); Joaquin Maudos (2016) và
Sissy và cộng sự (2016), biến Z_Score được lựa chọn để đo lường rủi ro trong mơ
hình nghiên cứu. Tuy nhiên giá trị biến Z_Score lại biến thiên nghịch chiều với độ rủi ro, Z_score ở mức cao thể hiện rủi ro ở mức thấp và ngược lại Do đó, biến Risk được điều chỉnh lại bằng cách lấy nghịch đảo của Z_Score Ngoài ra để giảm thiểu các giá trị ngoại lai (outliner) của biến phụ thuộc và đảm bảo phân phối chuẩn, biến phụ thuộc sẽ được lấy Lo-ga-rit.
Biến phụ thuộc Risk đo lường rủi ro trong mơ hình được tính như sau:
Risk =
=
( )
Trong đ
LnZ_Score: Giá trị Lo-ga-rit của Z_Score. Biến phụ thuộc đo lường độ rủi
ro trong mơ hình;
ROA: Lợi nhuận sau thuế/ Tổng tài s n bình quân 2 năm liền kề;
σROA: ộ lệch chuẩn của ROA.
3.2.2.2. Biến gi i thích
Để đo lường mức độ đa dạng hóa thu nhập người ta sử dụng chỉ số Herfindahl-Hirschman Index (HHI) để đo lường mức độ đa dạng hóa thu nhập trong mơ hình.Tuy nhiên do chỉ số HHI biến thiên nghịch chiều dựa với độ đa dạng hóa trong khoảng [0;1], hay nói khác hơn chỉ số HHI chạy từ 0 đến 1 tương ứng độ đa dạng hóa chạy từ mức đa dạng hóa hồn tồn đến mức không đa dạng. Do vậy để biến độc lập đa dạng hóa được biểu thị cùng chiều với độ đa dạng hóa, đồng thời dựa theo nghiên cứu của Kevin J. Stiroh & Adrienne Rumble (2005) sử dụng (1 – chỉ số HHI) cho biến độc lập đa dạng hóa thu nhập. Ngồi ra theo nghiên cứu của
Sarah Odesanmi & Simon Wolfe (2007) biến đa dạng hóa thu nhập được xây dựng
dựa trên năm nguồn thu của NHTM do vậy biến độc lập đa dạng hóa sử dụng trong mơ hình nghiên cứu được tính tốn như sau:
∑
Trong đ
HHI: Biến độc lập đo lường độ đa dạng hóa thu nhập. Các Si gồm:
NET: Doanh số thu nhập lãi;
NON: Doanh số thu nhập ngoài lãi (Gồm: Doanh số thu nhập dịch vụ và
hoa hồng; doanh số thu nhập thương mại; doanh số thu nhập đầu tư; doanh số thu nhập khác).
NETNON: Tổng thu nhập = NET + NON.
Biến HHI đạt giá trị nhỏ nhất là 0 biểu thị sự tập trung hồn tồn hay khơng đa dạng hóa và đạt giá trị lớn nhất là 1 biểu thị sự đa dạng hóa hồn tồn Đo lường mức độ đa dạng hóa của NHTM tức là đo lường mức độ triển khai các hình thức đa dạng các nguồn thu, chính vì vậy trong cách tính tốn biến đa dạng hóa, doanh số
thu nhập trước khi trừ chi phí trong từng loại hình tạo nên các khoản thu của NHTM sẽ được sử dụng Điều này sẽ tránh được các khoản thu nhập thuần (có lỗ và có lãi) sẽ bù trừ lẫn nhau sẽ làm mất đi sự đa dạng trong các nguồn thu của ngân hàng trong công thức tính.Các biến độc lập khác là các đ c trưng riêng của từng ngân hàng.
HHI2: ình phương của biến HHI
HHI2 = HHI2
NON: Tỷ lệ thu nhập ngoài lãi / Tổng thu nhập
NON2: ình phương tỷ lệ thu nhập ngồi lãi/ tổng thu nhập LnA: Lo-ga-rit tự nhiên của tổng tài sản.
LnA = Lo-ga-rit (Tổng tài sản) GrowA: Tốc độ tăng trưởng tổng tài sản.
Loan_A: Tỷ lệ cho vay khách hàng trên tổng tài sản.
Depo_A: Tỷ lệ huy động khách hàng trên tổng tài sản.
E_A: Là tỷ lệ vốn chủ sở hữu trên tổng tài sản
Exp_A: Tỷ lệ chi tiêu hoạt động trên tổng tài sản.
GDPPC: Tốc độ tăng trưởng kinh tế bình quân đầu người
3.3. Mô tả dữ liệu nghiên cứu
Bảng 3.3a - Mơ tả tóm tắt các biến đo lƣờng đƣợc sử dụng trong nghiên cứu
Tên biến Định nghĩa Đo lƣờng Nguồn dữ
liệu
D u kỳ vọng I. Biến phụ thu c
Risk Chỉ số đo lường độ rủi ro 1/LnZ_Score BCTC
II.Biến giải thích
HHI Chỉ số đo lường đa dạng hóa thu
nhập ∑
BCTC -
HHI2 ình phương của biến HHI HHI2 = HHI2 Tính tốn
của tác giả + NON Tỷ lệ thu nhập ngoài lãi trên
tổng thu nhập
Tỷ lệ thu nhập ngoài lãi trên tổng thu nhập
Tính tốn
của tác giả -
NON2 ình phương của biến NON NON2 = NON2 Tính tốn
của tác giả +
III.Biến kiểm soát
LnA Tổng tài sản LnA = ln(Tổng tài sản) BCTC -
GrowA Tốc độ tăng trưởng tổng tài sản
BCTC +
Loan_A Tỷ lệ cho vay khách hàng trên
tổng tài sản
BCTC +
Depo_A Tỷ lệ huy động khách hàng trên
tổng tài sản
BCTC +
E_A Tỷ lệ vốn chủ sở hữu trên tổng
tài sản
BCTC -
Exp_A Tỷ lệ chi tiêu hoạt động trên
tổng tài sản
BCTC -
GDPPC Tốc độ tăng trưởng GDP bình
quân đầu người World Bank + INF Tỷ lệ lạm phát hằng năm World Bank +
H nh 3.3 - Tác đ ng giữa các biến nghiên cứu
3.4. Phƣơng pháp phân tích ữ liệu
Dữ liệu được sử dụng để phân tích mơ hình hồi quy là dữ liệu dạng bảng cân đối mạnh, được thu thập từ báo cáo tài chính, báo cáo thường niên đã được kiểm tốn của 23 ngân hàng TMCP Việt Nam trong giai đoạn từ 2005 đến năm 2017. Bài nghiên cứu lựa chọn giai đoạn nghiên cứu từ năm 2005 - 2017 vì đây là giai đoạn các NHTM bắt đầu bùng nổ về hoạt động kinh doanh sau một thập kỷ bình ổn. Theo đó, ngồi hoạt động cho vay và huy động truyền thống thì các loại hình kinh doanh khác bắt đầu phát triển đa dạng làm đa dạng hóa nguồn thu nhập và từ đó cũng kéo theo những hậu quả cho hệ thống ngân hàng như hiện nay. Nghiên cứu sử dụng phương pháp phân tích dữ liệu bảng (Panel data) được thực hiện qua các bước sau:
3.4.1. Phân tích thống kê mơ tả các biến
ước thực hiện này nhằm trình bày các giá trị trung bình, độ lệch chuẩn, giá trị lớn nhất và nhỏ nhất của các dữ liệu liên đến mẫu nghiên cứu được sử dụng trong mơ hình Qua đó, ch ng ta có thể nhận biết được các điểm đ c thù của bộ dữ liệu.
Biến giải thích
Đa dạng hóa thu nhập(HHI ho c NON)
- Thu nhập lãi (NET)
- Thu nhập ngoài lãi (COM, TRAD, INV, OTH)
- Tổng thu nhập (NETNON)
Biến phụ thu c
Đo lường độ rủi ro (Risk)
Biến kiểm soát
- Tổng tài sản (LnA)
- Tốc độ tăng trưởng tổng tài sản (GrowA)
- Tỷ lệ cho vay khách hàng trên tổng tài sản (Loan_A)
- Tỷ lệ huy động khách hàng trên tổng tài sản (Depo_A)
- Tỷ lệ vốn chủ sở hữu trên tổng tài sản (E_A) - Tỷ lệ chi tiêu hoạt động trên tổng tài sản (Exp_A) - Tình hình kinh tế vĩ mô (GDPPC; INF)
các nội dung như tên biến, giá trị trung bình, độ lệch chuẩn, giá trị nhỏ nhất, giá trị lớn nhất.
Ngồi ra, phần này cịn trình bày về ma trận hệ số tương quan giữa các biến được sử dụng trong mơ hình nghiên cứu nhằm đưa ra nhận xét về mức độ tương quan của các biến là điều kiện cần trước khi thực hiện ước lượng hồi quy. Ngoài ra, ma trận hệ số tương quan cũng cung cấp cái nhìn trực quan xem các biến độc lập trong mơ hình có bị hiện tượng đa cộng tuyến hay khơng.
3.4.2. Lựa chọn phƣơng pháp hồi quy phù hợp
Trong bước này, chúng ta sẽ lần lượt tiến hành hồi quy ước lượng theo các phương pháp từ cơ bản đến nâng cao nhằm lựa chọn mơ hình hồi quy hiệu quả tốt nhất Theo đó, lần lượt các mơ hình hồi quy hồi quy gộp (Pooled OLS), phương pháp hồi quy tác động cố định(FEM), phương pháp hồi quy tác động ngẫu nhiên (REM) được thực hiện.
3.4.2.1. Phƣơng pháp hồi quy g p (Pooled OLS)
Pooled OLS là mô hình hồi quy trong đó tất cả các hệ số đều không đổi theo thời gian và theo các đ c tính riêng biệt của từng cá thể Khi đó, bộ dữ liệu sẽ bỏ qua bình diện không gian, thời gian và chỉ đơn thuần là ước lượng mơ hình OLS thông thường. Cụ thể, việc xem xét ảnh hưởng của đ c tính riêng biệt của từng cá thể là như nhau ên cạnh đó, m c dù phương pháp hồi quy OLS được xem là ước lượng tuyết tính hiệu quả, khơng thiên lệch, tốt nhất ( LUE), nhưng ngược lại phương pháp này cũng là phương pháp dễ dàng vi phạm các giả thiết của mơ hình hồi quy tuyến tính Do đó, phương pháp hồi quy Pooled OLS sẽ khơng cịn hiệu quả và không đáng tin cậy nữa.
3.4.2.2. Phƣơng pháp hồi quy tác đ ng cố định (FEM)
Mơ hình này khác với mơ hình Pooled OLS ở điểm là cho rằng ảnh hưởng của từng đ c tính riêng biệt của từng cá thể là khác nhau. FEM phân tích mối tương quan này giữa những phần dư của mỗi đơn vị với các biến giải thích qua đó kiểm sốt và tách ảnh hưởng của các đ c điểm riêng biệt (không đổi theo thời gian) ra khỏi các biến giải thích để chúng ta có thể ước lượng những ảnh hưởng thực của
biến giải thích lên biến phụ thuộc Đồng thời, điểm đ c biệt của mơ hình này là hệ số của các đ c điểm riêng biệt này không được tương quan với các biến độc lập khác trong mơ hình.
3.4.2.3. Phƣơng pháp hồi quy tác đ ng ngẫu nhiên (REM)
Phương pháp REM xem xét đến sự khác biệt, đ c điểm riêng và các xuất phát điểm khác nhau của từng thực thể (công ty, doanh nghiệp, ngân hàng..). Các sự khác biệt này tác động đến các biến độc lập làm cho mỗi thực thể có các hệ số riêng cho từng biến độc lập trong mơ hình Điểm khác biệt giữa mơ hình ảnh hưởng ngẫu nhiên (REM) và mơ hình ảnh hưởng cố định được thể hiện ở sự biến động giữa các đơn vị. Nếu sự biến động giữa các đơn vị có tương quan đến biến độc lập – biến giải thích trong mơ hình ảnh hưởng cố định thì trong mơ hình ảnh hưởng ngẫu nhiên sự biến động giữa các đơn vị được giả sử là ngẫu nhiên và không tương quan đến các biến giải thích.Chính vì vậy, nếu sự khác biệt giữa các đơn vị có ảnh hưởng đến biến phụ thuộc thì REM sẽ thích hợp hơn so với FEM Trong đó, phần dư của mỗi thực thể (khơng tương quan với biến giải thích) được xem là một biến giải thích mới.
Qua đó ta có thể thấy rằng việc ước lượng FEM ho c REM có thể mang lại nhiều ưu điểm và phù hợp hơn so với phương pháp Pooled OLS Tuy nhiên, FEM ho c REM đều tồn tại những hạn chế rất khó xử lý bao gồm:
- Sử dụng quá nhiều biến giả làm giảm bậc tự do và tạo ra hiện tượng đa cộng
tuyến giữa các biến làm cho kết quả ước lượng không tin cậy.
- Không đề cập đến thành phần sai số của mơ hình mà ngầm định rằng sai số
của mơ hình tuân theo các giả định cổ điển, cho nên khơng kiểm sốt được hiện tượng phương sai sai số thay đổi và vấn đề tương quan của biến độc lập với sai số.
- Loại bỏ luôn các biến độc lập không thay đổi theo thời gian nếu có trong mơ
hình.
- Chỉ áp dụng cho các dữ liệu bảng tĩnh, khơng xử lý được khi dữ liệu có tính
Tuy nhiên, ở góc độ của bài nghiên cứu này, mơ hình FEM và REM sẽ được