Nước Thời gian N
Australia 2011 – 2016 44 68,84% 22,66%
Canada 1996 – 2016 47 71,02% 18,76% Hong Kong 2011 – 2016 38 46,67% 21,00% Trung Quốc 2011 – 2016 82 42,87% 13,31% Indonesia 1987 – 2015 153 59,56% 19,70% Nhật Bản 2009 – 2016 48 44,25% 23,09% Malaysia 1993 – 2016 139 35,75% 30,64% Mexico 2011 – 2015 161 54,94% 24,23% Philippines 1988 – 2015 87 46,81% 17,89% Russian Federation 2012 – 2016 140 46,98% 23,40% Singapore 1987 – 2015 59 49,31% 24,06% Thailand 1988 – 2015 33 69,90% 15,13% Việt Nam 1991 – 2016 34 56,65% 17,86%
Nguồn: Tính tốn của tác giả từ dữ liệu thu thập được từ BanksCope
Bảng 3.1 cung cấp các thông tin cơ bản về dữ liệu ngân hàng của tôi cho từng quốc gia. Cần lưu ý rằng mặc dù có nước đã đóng góp 161 ngân hàng (Mexico) vào mẫu cuối cùng, có nước khác chỉ đóng góp 5 ngân hàng (Brunei). Tuy nhiên, sự khác biệt về số lượng ngân hàng ở các quốc gia là không đáng lo ngại khi các số liệu được sử dụng trong nghiên cứu được tính là trung bình cho tất cả các ngân hàng tại một quốc gia. Tỷ lệ nợ rịng/tổng tài sản trung bình, μNL, sẽ dao động từ 28% đến 71% ở tất cả các nước. Tương tự, độ lệch chuẩn trung bình của tỷ lệ nợ ròng/tài sản, σNL, giữa các quốc gia là khoảng 21,69%. Độ lệch chuẩn trung bình của tỷ lệ nợ rịng/tài sản thấp nhất trên thị trường ở Trung Quốc (13,31%) và giá trị cao nhất ở Brunei (31,87%).
3.3.2. Sự bất ổn về lạm phát
Để ước lượng mơ hình cần phải đánh giá mức độ lan truyền trong cơ chế giá của từng quốc gia, hay độ nhiễu trong các tín hiệu giá, biểu thị là ht (độ bất ổn của lạm phát) trong phương trình (1) và (2). Để đạt được điều đó, tơi sử dụng mơ hình
ARCH / GARCH để ghi nhận sự chênh lệch log của loạt chỉ số giá tiêu dùng hàng tháng. Chỉ số giá tiêu dùng được thu thập từ IMF theo tháng.
Trước khi ước lượng mơ hình, các hiệu ứng ARCH được kiểm tra và xác nhận bằng phép thử Lagrange Multiplier (LM). Ngoài ra, như thể hiện trong Bảng 3.2, do tính sẵn có của dữ liệu đối với một số quốc gia, năm đầu tiên bắt đầu muộn hơn so với các quốc gia khác.
Bảng 3.2. Độ trễ p, q trong mơ hình ARCH (p)/ GARCH (p,q) khi ước lượng độ
biến động lạm phát.
No. Country Thời gian ARCH(p) GARCH(q)
1 Australia 1988 – 2016 1 1 2 Brunei Darussalam 2000 – 2016 1 3 Canada 1986 – 2016 1 2 4 Hong Kong 1986 – 2016 1 5 Trung Quốc 1986 – 2016 1 1 6 Indonesia 1986 – 2016 1 2 7 Nhật Bản 1986 – 2016 1 8 Malaysia 1986 – 2016 1 9 Mexico 1986 – 2016 1 2 10 Philippines 1986 – 2016 2 11 Russian Federation 1992 – 2016 2 12 Singapore 1986 – 2016 1 1 13 Thailand 1988 – 2016 1 2 14 Việt Nam 1995 – 2016 1 2
Nguồn: Tính tốn của tác giả Mơ hình GARCH (p, q) có dạng sau:
Trong đó πt biểu thị lạm phát, i.month là các hiệu ứng tháng, ∈t = μt và μt là một phương trình nhiễu trắng biến đơn vị, trung bình khơng.
Như được mô tả trong Bảng 3.2, ta thấy rằng đối với hầu hết các quốc gia, một mơ hình ARCH đơn giản (1) hoặc ARCH (2) là đủ để làm cho phần dư khơng có hiệu lực với ARCH bậc cao hơn. Đối với những quốc gia khác, sử dụng mơ hình GARCH (p, q) bậc thấp thay vì mơ hình ARCH bậc cao hơn.
Để đảm bảo rằng mơ hình được lựa chọn được xác định rõ ràng, sự bất ổn của lạm phát ht được tính bằng bình trong năm của phương sai có điều kiện của chênh lệch log của loạt chỉ số giá tiêu dùng hàng tháng đã được tính tốn từ mơ hình ARCH / GARCH để phù hợp với tần suất của dữ liệu cấp ngân hàng. Như vậy, sau khi hồi quy chuỗi CPI 12 tháng trong năm của một nước bằng mơ hình ARCH/GARCH, ta thu được chuỗi phương sai có điều kiện. Sau đó lấy trung bình chuổi phương sai 12 tháng này ta thu được một quan sát, đó chính là sự bất ổn của lạm phát ht, hay độ nhiễu trong các tín hiệu giá. Ở đây, phương sai có điều kiện cao hơn hàm ý độ nhiễu trong cơ chế giá cao hơn, nghĩa là nội dung thông tin về giá đã giảm. Trong những trường hợp như vậy, người ra quyết định sẽ không thể dự đốn tính khả thi của các dự án và do đó sẽ hành xử một cách thận trọng hơn.
3.3.3. Nhóm biến kiểm sốt
Lạm phát: được thu thập thừ WorldBank, lạm phát cũng được kỳ vọng tác động ngược chiều lên sự phân tán tỷ lệ cho vay trên tổng tài sản.
Tốc độ tăng trưởng GDP (∆GDP): được thu thập và tính tốn từ dữ liệu WorldBank. Tác động của tăng trưởng GDP (∆GDP) đối với sự phân bố tỷ lệ cho vay/tài sản là không rõ ràng. Chẳng hạn như trong một nền kinh tế mở rộng nếu tín dụng mới tăng đều đặn trên tất cả các ngân hàng, thì sự phân bố tỷ lệ cho vay / tài sản không nên thay đổi. Tuy nhiên, nếu tín dụng mới được mở rộng bởi các ngân hàng nhất định hơn các ngân hàng khác thì sự phân bố sẽ có tác động tích cực do tốc độ tăng trưởng GDP thay đổi theo thời gian.
Biến giả dumFC nhận giá trị là 1 nếu năm t lớn hơn năm 2008. Việc đưa biến giả này vào mơ hình với mục đích kiểm tra xem liệu sự phân bố của tỷ lệ cho vay/
tài sản có thay đổi hay không sau cuộc khủng hoảng tài chính. Mặc dù khơng có quan điểm mạnh mẽ, nhưng tơi có thể kỳ vọng một dấu hiệu tích cực đối với biến giả vì các khoản tiền đáng kể đã được bơm vào thị trường tài chính sau cuộc khủng hoảng. Ngược lại, cũng có thể tranh luận về một hệ số ước lượng âm, vì các ngân hàng hạn chế cung cấp các nguồn cho vay trong giai đoạn khủng hoảng mặc dù các nỗ lực của Ngân hàng trung ương và các chính phủ.
Biến tương tác giữa biến giả khủng hoảng tài chính và độ biến động lạm phát (dumFC * h): được tính tốn bằng tích số giữa biến giả DumFc và biến biến động lạm phát (h), cho phép tôi kiểm tra tác động liên quan đến sự bất ổn về lạm phát có thay đổi sau cuộc khủng hoảng tài chính không. Hệ số âm (dương) cho thấy rằng sau cuộc khủng hoảng tài chính, tác động tiêu cực của sự biến động về phân bổ nguồn lực ngân hàng đã tăng lên (suy yếu).
Biến động thị trường chứng khoán (VolStock): được đo lường bằng phương sai trung bình năm của chỉ số giá chứng khoán thị trường hàng tháng của các quốc gia bằng cách áp dụng phương pháp ARCH/GARCH như đối với biến biến động lạm phát. Dữ liệu nghiên cứu được lấy từ Datastream cho các chỉ số chứng khoán đại diện cho thị trường tại mỗi quốc gia theo tháng. Sự biến động của thị trường chứng khoán (VolStock) được kỳ vọng sẽ có tác động tích cực đến sự phân bố các nguồn cho vay của ngân hàng, nhưng tác động này cũng có thể là tiêu cực. Ví dụ, nếu các ngân hàng mở rộng tín dụng cho các cơng ty có cơ hội đầu tư chất lượng cao, mặc dù các công ty này khơng thể huy động vốn tài chính trong giai đoạn biến động của thị trường chứng khoán, sự phân bố tỷ lệ cho vay / tài sản của các ngân hàng sẽ mở rộng. Tuy nhiên, nếu sự biến động của thị trường chứng khốn là tín hiệu cho thấy tình trạng bất ổn tồn cầu trên thị trường tài chính thì sự phân bố của các nguồn cho vay sẽ thu hẹp, do các ngân hàng có xu hướng hành xử thận trọng trong việc mở rộng các nguồn cho vay trong giai đoạn hỗn loạn.
Biến biến động giá dầu (VolOil): được đo lường bằng phương sai trung bình năm của giá dầu bằng cách áp dụng phương pháp ARCH/GARCH như đối với biến biến động lạm phát và biến động giá chứng khoán. Biến động giá dầu (VolOil) được
đo dựa trên giá dầu West Taxas Intermediate được lấy từ IMF. Ảnh hưởng của biến động giá dầu (VolOil) đối với biến phụ thuộc dự kiến sẽ âm, do sự gia tăng biến động giá dầu hàm ý sự gia tăng bất ổn trong môi trường kinh tế vĩ mô dẫn đến hành vi cho vay ngân hàng thận trọng hơn.
Biến lợi nhuận trung bình Ngân hàng (BankReturns) được đo bằng lợi nhuận trung bình năm của Ngân hàng. Biến Rủi ro trung bình ngân hàng (BankRisk) được tính bằng phương sai trung bình năm của Lợi nhuận ngân hàng. Rủi ro ngân hàng trung bình sẽ có tác động tiêu cực, và lợi nhuận của ngân hàng trung bình sẽ có tác động tích cực đến sự phân bố tỷ lệ cho vay/tài sản.
Bảng 3.3 trình bày tóm tắt mơ tả biến, định nghĩa của các biến đûợc sử dụng trong phân tích thực nghiệm kèm theo kỳ vọng dấu của các biến độc lập tác động lên độ phân tán tỷ lệ cho vay trên tổng tài sản của các ngân hàng.
Bảng 3.1: Mô tả biến, định nghĩa và nguồn dữ liệu
Nhóm Tên biến Định nghĩa/Phương pháp đo lường Nguồn dữ liệu Kỳ vọng dấu
Biến phụ thuộc Phương sai của tỷ lệ cho vay trên tổng tài sản của các ngân hàng trong cùng một nước.
Bankscope và Datastream
Biến độc lập
Biến động lạm phát được đo bằng phương sai có điều kiện từ ước lượng ARCH/GARCH của chỉ số giá tiêu dùng hàng tháng
IMF -
Inflation Lạm phát Worldbank Indicators
-
GDP Tốc độ tăng trưởng GDP Worldbank
Indicators
+/-
dumFC Bằng 1 nếu năm t lớn hơn năm 2008 +/-
dumFC*h Biến tương tác của dumFC và +/-
VolStock Biến động thị trường chứng khoán được đo bằng phương sai có điều kiện từ ước lượng ARCH/GARCH của chỉ số thị trường chứng khoán
Datastream +/-
VolOil Biến động giá dầu được đo bằng phương sai có điều kiện từ ước lượng ARCH/GARCH của giá dầu WTI
IMF -
BankRisks BankReturns
CHƯƠNG 4. KẾT QUẢ NGHIÊN CỨU 4.1. Phân tích số liệu nghiên cứu qua các thống kê mơ tả. 4.1. Phân tích số liệu nghiên cứu qua các thống kê mô tả. Bảng 4.1. Thống kê mô tả dữ liệu
Dữ liệu nghiên cứu của các biến được thu thập từ 1.070 Ngân hàng thuộc 14 quốc gia thuộc Apec: Úc, Canada, Brunei, Indonesia, Nhật Bản, Malaysia, Philippines, Singapore, Thái Lan, Trung Quốc, Hồng Kông, Mexico, Nga, Việt Nam trong giai đoạn 1988 - 2016 có những thơng số thống kê sau đây:
Variable Obs Mean Std. Dev. Min Max
206 0.2028842 0.0737352 0.0169423 0.440564 h 206 0.0129827 0.0257014 0.0013787 0.1741295 Inflation 206 4.154837 5.378827 -1.710337 58.38709 GDP 206 5.482415 8.306783 -22.68477 104.4192 dumFC 206 0.4514563 0.4988502 0 1 dumFC*h 206 0.0036196 0.0102582 0 0.0861832 VolStock 182 2624.255 1,9378.61 14.85361 22,7287.8 VolOil 206 43.08804 51.96812 1.972309 257.0934 BankRisk 204 0.0272091 0.0378545 0.0000242 0.3011762 BankReturn 206 0.0084808 0.0181507 -0.1852062 0.0559707
Nguồn: Kết quả tính tốn từ Phần mềm Eview
Mẫu dữ liệu ban đầu bao gồm dữ liệu theo tháng (trừ biến GDP theo quý) của biến phụ thuộc, biến độc lập và các biến kiểm soát được thu thập từ 1.070 ngân hàng thuộc 14 quốc gia thuộc Apec bao gồm: Úc, Canada, Brunei, Indonesia, Nhật Bản, Malaysia, Philippines, Singapore, Thái Lan, Trung Quốc, Hồng Kông, Mexico, Nga, Việt Nam. Sau khi tính tốn để đưa dữ liệu về năm, phù hợp với tần suất của dữ liệu cấp ngân hàng, mẫu nghiên cứu trong bài gồm có 206 quan sát. Tại một thời điểm, một quốc gia, mỗi biến chỉ có một quan sát.
sản: có giá trị nhỏ nhất là 0.0169423 tại Russia năm 2013, giá trị lớn nhất là 0.440564 tại Malaysia năm 2013, giá trị trung bình cỡ mẫu là 0.2028842, tương ứng với độ lệch chuẩn là 0.0737352. Giá trị của độ lệch chuẩn nhỏ hơn so với giá trị trung bình. Biên độ dao động dữ liệu ổn định qua các năm.
Biến độc lập: Biến động lạm phát (h) biến động qua các năm, khi đạt giá trị nhỏ nhất là 0.0013787 tại Australia năm 2014, giá trị lớn nhất là 0.1741295 tại Philippines năm 1989, giá trị trung bình cỡ mẫu là 0.0129827, tương ứng với độ lệch chuẩn là 0.0257014. Giá trị của độ lệch chuẩn cao hơn nhiều so với giá trị trung bình.
Các biến kiểm soát: Sự tác động của các biến kiểm sốt vào biến phụ thuộ khơng phải là điều mà ta đang quan tâm, tuy nhiên, biến kiểm sốt cũng có một ảnh hûởng tiềm nâng nhất định vào biến phụ thuộc nhû biến độc lập:
Biến lạm phát (Inflation) được tính bằng chênh lệch chỉ số giá tiêu dùng CPI năm hiện tại và năm gốc, có giá trị dao động nhỏ nhất là -1.710337 tại Việt Nam năm 2000, giá trị lớn nhất là 58.38709 tại Indonesia năm 1998, giá trị trung bình cỡ mẫu là 4.154837, tương ứng với độ lệch chuẩn là 5.378827. Giá trị của độ lệch chuẩn cao hơn nhiều so với giá trị trung bình. Biên độ dao động dữ liệu không đồng đều giữa các nước qua các năm.
Biến tốc độ tăng trường GDP (∆GDP) biến động mạnh qua các năm, tại Brunei năm 2009 tốc độ tăng trưởng là nhỏ nhất và mang giá trị âm -22.68477, giá trị lớn nhất là 104.41924 tại Russia năm 2014, giá trị trung bình cỡ mẫu là 5.482415, tương ứng với độ lệch chuẩn là 8.306783. Chênh lệch giá trị giữa các quốc gia là rất lớn, giá trị của độ lệch chuẩn cao hơn nhiều so với giá trị trung bình.
Biến giả dumFC nhận giá trị là 1 khi năm từ 2008 trở về sau, và nhận giá trị 0 với các năm còn lại. Giá trị trung bình cỡ mẫu là 0.4514563, tương ứng với độ lệch chuẩn là 0.4988502. Giá trị của độ lệch chuẩn cao hơn nhiều so với giá trị trung bình.
Biến tương tác (dumFC*h) có giá trị lớn nhất là 0.0861832 và nhận giá trị là 0 (giá trị nhỏ nhất trong khoảng thời gian trước năm 2008. Giá trị trung
bình cỡ mẫu là 0.0036196, tương ứng với độ lệch chuẩn là 0.0102582. Giá trị của độ lệch chuẩn cao hơn nhiều so với giá trị trung bình.
Rủi ro Ngân hàng (BankRisk) biến động không đồng đều giữa các quốc gia trong khoảng thời gian quan sát, đạt giá trị nhỏ nhất là 0.0000242 tại Malaysia vào năm 2016, giá trị lớn nhất 0.3011762 tại Indonesia năm 1998, giá trị trung bình cỡ mẫu là 0.0272091, tương ứng với độ lệch chuẩn là 0.0378545. Giá trị của độ lệch chuẩn cao hơn nhiều so với giá trị trung bình.
Lợi nhuận Ngân hàng (BankReturn) biến động không đồng đều giữa các nước qua các năm, đạt giá trị nhỏ nhất tại Indonesia vào năm 1998 với -0.1852062, giá trị lớn nhất 0.0559707 tại China năm 2016, giá trị trung bình cỡ mẫu là 0.0084808, tương ứng với độ lệch chuẩn là 0.0181507. Giá trị của độ lệch chuẩn cao hơn nhiều so với giá trị trung bình.
Hai biến biến động giá dầu (VolOil) và biến động giá chứng khoán
(VolStock) được đo bằng phương sai trung bình năm của giá dầu, giá chứng khốn, có
giá trị khá lớn và chênh lệch khá lớn giữa giá trị lớn nhất và giá trị nhỏ nhất. Giá trị trung bình mẫu đạt lần lượt 43.08804 và 2624.255, giá trị độ lệch chuẩn đạt lần lượt 51.96812 và 1,9378.61. Giá trị của độ lệch chuẩn cao hơn nhiều so với giá trị trung bình trong cả hai biến.
4.2. Lựa chọn mơ hình ước lượng
Đối với phân tích hồi quy dữ liệu bảng có thể sử dụng 3 mơ hình đó là: Pooled OLS, FEM và REM. Để xem xét sự phù hợp của mơ hình OLS, ta tiến hành kiểm định các khuyết tật của mơ hình: Phương sai thay đổi, tự tương quan, ...
4.2.1. Kiểm định phương sai thay đổi bẳng kiểm định White
Kiểm định White có các giả thiết:
- H0: Phương sai của sai số ngẫu nhiên của mơ hình khơng đổi. - H1: Tồn tại hiện tượng phương sai thay đổi
Heteroskedasticity Test: White
F-statistic 0.999150 Prob. F(50,131) 0.4874
Obs*R-squared 50.24530 Prob. Chi-Square(50) 0.4637 Scaled explained SS 57.70253 Prob. Chi-Square(50) 0.2119 Test Equation:
Dependent Variable: RESID^2 Method: Least Squares
Date: 04/29/18 Time: 10:04 Sample: 1 206
Included observations: 182
Collinear test regressors dropped from specification
Variable Coefficient Std. Error t-Statistic Prob.
C 0.006748 0.004435 1.521770 0.1305 VOL_INFLATION -0.153095 0.131635 -1.163024 0.2469