Tên biến Kí hiệu Mơ tả
Rủi ro ngân hàng
NPL Tỷ lệ các khoản nợ xấu trên tổng nợ cho vay
Z-score
Tổng của lợi nhuận trên tài sản (ROA) và tỷ lệ vốn chủ sở hữu trên tài sản (Eq / TA) / cho độ lệch chuẩn của lợi nhuận trên tài sản
Cấu trúc tài sản Loan/TA Tổng khoản vay trên Tổng tài sản
Tỷ lệ vốn chủ sở hữu Eq/TA Nguồn vốn chủ sở hữu trên tổng tài sản
Nguồn vốn phi tiền
gửi NonDep/TL Nguồn vốn phi tiền gửi/Tổng nợ Khả Năng sinh lời ROA Lãi thuần sau thuế/Tổng tài sản
Hiệu quả CIR Chi phí/thu nhập
Đa dạng doanh thu HHIRD Mô tả các hoạt động tạo nên doanh thu của ngân hàng
Quy mô Size Logarit tổng tài sản
Tỷ lệ an toàn vốn CAR Nguồn vốn tự có/Tổng tài sản có rủi ro
Niêm yết LISTED Bằng 1 nếu niêm yết và ngược lại
Sự tập trung ngành HHIIC
Tổng bình phương của tất cả thị phần thị trường (tính theo phần trăm tổng tài sản) của các tổ chức tín dụng trong một quốc gia
Lạm phát Inflation Tỷ lệ tăng CPI hằng năm
Thất nghiệp UR Tỷ lệ thất nghiệp
Lãi suất Interest Lãi suất cơ bản
3.3. Mơ hình nghiên cứu
Phương trình cơ bản của tơi được dựa vào bài nghiên cứu của Baselga-Pascual và cộng sự (2015):
(1)
trong đó biểu thị biến được sử dụng để đo lường rủi ro của ngân hàng i ở nước j tại năm t; đại diện cho giá trị trễ; đo hệ số gốc đảo ngược trung bình (một giá trị không khác biệt nhiều so với 0 ngụ ý rằng rủi ro ngân hàng được đặc trưng bởi tốc độ điều chỉnh cao, trong khi giá trị không khác biệt nhiều so với 1 nghĩa là việc điều chỉnh rất chậm); và tương ứng, các biến thể của ngành ngân hàng và ngành công nghiệp và các yếu tố kinh tế vĩ mô được xem xét trong nghiên cứu của tôi; đại diện cho một biến giả để kiểm sốt tình trạng phổ biến của ngân hàng (giá trị 1 đối với các ngân hàng niêm yết và 0 là khác); và , và là vectơ của các ước lượng hệ số. Cuối cùng, là thuật ngữ nhiễu loạn có chứa hiệu ứng đặc biệt của ngân hàng không được quan sát ( ) và sai số riêng ( ).
3.4. Phương pháp nghiên cứu
Phương pháp hồi quy gộp (Pooled OLS)
Phương pháp Pooled OLS có thể được xem là cách tiếp cận đơn giản nhất để hồi quy dữ liệu dạng bảng. Phương pháp Pooled OLS giả định rằng tất cả các cá thể trong mẫu dữ liệu đều có chung các hệ số gốc và tung độ gốc mà không phân biệt theo từng cá thể. Phương pháp này chỉ đơn giản là gộp tất cả quan sát chồng lên nhau mà không cần xem xét đến từng đặc tính cá thể hay thời gian. Từ đó, phương pháp OLS được sử dụng để hồi quy dữ liệu chuỗi thời gian hoặc dữ liệu chéo. Bởi
vì thực chất Pooled OLS tương tự OLS thông thường nên sẽ dễ gặp phải các hiện tương làm cho các kết quả ước lượng bị lệch và có độ tin cậy không cao như: phương sai thay đổi, tự tương quan, nội sinh… Do đó, khi hồi quy dữ liệu bảng, chúng ta thường sử dụng các phương pháp như FEM và REM như phần trình bày bên dưới.
Phương pháp tác động cố định (FEM)
Khác với Pooled OLS khi gộp tất cả các quan sát chồng lên nhau và khơng phân biệt các đặc tính cá thể và thời gian, phương pháp ảnh hưởng cố định FEM (Fixed effects estimator) sử dụng các biến giả (dummy) như là các nhân tố đặc trưng của từng cá thể hoặc thời gian để đại diện cho từng cá thể trong mẫu dữ liệu. Do đó, khác với Pooled OLS, kết quả từ phương pháp FEM sẽ cho ra các hệ số tung độ gốc khác nhau theo từng cá thể hoặc theo từng mốc thời gian. Bởi vì mỗi ngân hàng sẽ có các đặc trưng khác nhau về hệ thống quản lý, ngành nghề kinh doanh cũng như quy mơ, nên việc phân biệt đặc tính của mỗi cá thể sẽ giúp cho chúng ta có cái nhìn chi tiết hơn về các kết quả hồi quy.
Thông thường khi ước lượng mơ hình ảnh hưởng cố định, chúng ta sẽ sử dụng 3 phương pháp. Thứ nhất là dùng biến giả cho các ngân hàng hoặc các năm chèn vào mơ hình. Từ đó, sử dụng kỹ thuật hồi quy OLS thơng thường để hồi quy kết quả. Phương pháp thứ 2 là Within, phương pháp này sử dụng độ lệch của các quan sát từ giá trị trung bình và tạo thành một phương trình hồi quy mới theo độ lệch đó. Từ đó sẽ dùng OLS để hồi quy phương trình mới và triệt tiêu các thành phần cố định. Phương pháp thứ ba là sử dụng phương pháp Different. Theo đó, các biến sẽ được lấy dưới dạng sai phần để triệt tiêu các thành phần ảnh hưởng cố định theo thời gian. Từ đó, có thể hồi quy bằng OLS.
Vì bản chất kỹ thuật hồi quy cuối cùng của FEM vẫn là OLS, nên mơ hình ảnh hưởng cố định FEM sẽ dễ gặp phải các hiện tương làm cho mơ hình bị chệch và các hệ số có độ tin cậy không cao như phương sai thay đổi, tự tương quan và hiện tượng nội sinh.
Mơ hình tác động ngẫu nhiên (REM)
Thay vì giả định giá trị của các hệ số tung độ gốc và hệ số gốc là bất biến theo thời gian thì với REM (Random effects estimator) lại giả định các giá trị tung độ gốc là ngẫu nhiên cho các cá thể. Tuy nhiên, tung độ gốc của các cá thể có chung một giá trị kỳ vọng trung bình và khác nhau thành phần ngẫu nhiên. Phương pháp ước lượng được sử dụng để hồi quy REM là phương pháp GLS. Bản thân kỹ thuật hồi quy GLS đã khắc phục hiện tượng phương sai thay đổi và hạn chế hiện tượng tự tương quan, do đó sẽ làm cho các kết quả hồi quy của mơ hình có độ tin cậy cao hơn và ít bị lệch hơn.
Phương pháp GMM
Các yếu tố đặc thù của ngân hàng ảnh hưởng đến rủi ro ngân hàng có thể bị nội sinh. Ví dụ, các ngân hàng có thể có động lực tăng lượng tài sản có tính thanh khoản cao khi họ trở nên rủi ro hơn để bảo vệ chính mình khỏi việc rút tiền gửi sớm (Kưhler, 2015). Ngồi ra, một số đặc điểm ảnh hưởng đến rủi ro ngân hàng (ví dụ, khả năng quản lý) rất khó đo lường hoặc xác định được trong phương trình (cái gọi là yếu tố không quan sát được). Nếu ảnh hưởng của các đặc tính như vậy khơng được xem xét, thì người ta có thể quan sát tương quan giữa một số hệ số của các biến số phóng xạ và các sai số làm sai lệch các hệ số này. Để giải quyết những vấn đề này, tôi sử dụng ước tính GMM được phát triển cho các mơ hình bảng năng động của Arellano và Bover (1995) và Blundell và Bond (1998), cịn được gọi là ước tính hệ thống GMM. Tơi sử dụng thủ tục ước lượng hai bước với các độ lệch chuẩn đã được sửa lỗi, như đề xuất của Windmeijer (2005). Phương pháp này cung cấp ước lượng hệ số ít lệch hơn và các độ lệch chuẩn chính xác hơn.
Ước lượng GMM hệ thống giải quyết biến nội sinh thông qua các biến công cụ phù hợp. Tôi xử lý tất cả các đặc tính của ngân hàng dưới dạng đồng biến nội sinh bằng cách sử dụng các sai phân bậc một của các biến giải thích đặc thù ngân hàng như là các cơng cụ cho phương trình ở mức độ và giá trị trễ của các biến giải thích ở các mức như là cơng cụ cho phương trình sai phân (phù hợp với Arellano &
Bover, 1995, và Blundell & Bond, 1998). Mức độ tập trung ngành và các biến số kinh tế vĩ mô được coi là ngoại sinh.
CHƯƠNG 4. KẾT QUẢ NGHIÊN CỨU 4.1. Thống kê mô tả và ma trận tương quan
Đầu tiên, trong phần này, luận văn tiến hành thống kê mơ tả các biến trong mơ hình nghiên cứu bằng cách đánh giá các giá trị trung bình, độ lệch chuẩn, giá trị nhỏ nhất, giá trị lớn nhất và trung vị của các biến số. Bảng 4.1 thể hiện kết quả thống kê mô tả.
Chỉ số Z-score của các ngân hàng có giá trị trung bình xấp xỉ 3.2062 với độ lệch chuẩn 0.4561. Trong đó ngân hàng TMCP Tiên Phong năm 2015 là Ngân hàng có chỉ số Z-score thấp nhất (đạt khoảng 2.0689) và Ngân hàng TMCP Phát triển Nhà TP HCM năm 2008 có chỉ số Z-score cao nhất (đạt khoảng 4.3557).
Tỷ lệ nợ xấu của các ngân hàng có giá trị trung bình xấp xỉ 0.0233 với độ lệch chuẩn 0.0221. Trong đó ngân hàng TMCP Tiên Phong năm 2009 là Ngân hàng có tỷ lệ nợ xấu thấp nhất (đạt khoảng 0.000) và Ngân hàng TMCP Đầu tư và Phát triển Việt Nam năm 2005 có có tỷ lệ nợ xấu cao nhất (đạt khoảng 0.2791).