3.3. Thực trạng hiệu quả hoạt động kinh doanh của các ngân hàng TMCP Việt
3.3.2. Khả năng sinh lời của các ngân hàng TMCP
Các chỉ tiêu ROA, ROE và NIM được xem là các chỉ tiêu quan trọng bậc nhất trong đánh giá hiệu quả hoạt động kinh doanh của ngân hàng. Bằng việc đánh giá các chỉ tiêu này trong giai đoạn vừa qua sẽ thấy được tình hình chung về hiệu quả hoạt động kinh doanh của các NH TMCP như thế nào.
Như đã phân tích, trong giai đoạn 2010 – 2012, tỷ lệ nợ xấu tăng mạnh, do vậy, tại năm 2012, khả năng sinh lợi của hệ thống ngân hàng thương mại cũng sụt giảm nghiêm trọng. Quan sát trên biểu đồ có thể thấy ROE và ROA sụt giảm mạnh, thể hiện rõ hơn ở ROE. ROE từ 11,86% năm 2011 chỉ còn 6,55% năm 2012 (giảm gần 45%). Tương tự, ROA năm 2012 cũng giảm gần 30% so với năm 2011 (năm 2011 ROA đạt 1,09%, năm 2012 chỉ cịn 0,79%. Kết quả này phản ánh chính xác thực tế khi kể từ năm 2011, ngành ngân hàng bước vào suy thoái và khủng hoảng, tỷ lệ nợ xấu tăng cao.
Hình 3. 3: Khả năng sinh lợi của các ngân hàng thương mại Việt Nam
Nguồn: NHNN, báo cáo ngành ngân hàng VCBS 2016
So sánh dữ liệu thu thập được và từ hình 3.2 và hình 3.3, trên thực tế từ lúc có kết quả tổng kết nợ xấu đến khi nợ xấu tác động mạnh vào các chỉ số khả năng sinh lợi của ngân hàng có độ trễ nhất định về thời gian. Nếu như nợ xấu đã bắt đầu tăng cao liên tục từ 2010 và đạt tỷ lệ cao nhất vào năm 2012 (4,08%), thì chỉ số NIM năm 2011 vẫn tăng từ 2,9% (năm 2010) lên 3,5% (năm 2011), sau đó mới giảm xuống 3,2% (năm 2012). Trong khi đó, năm 2011, chỉ số ROA và ROE chỉ giảm nhẹ, đến năm 2012 mới có sự giảm đột biến ở hai chỉ số này.
Bên cạnh đó, có thể thấy giữa hai chỉ tiêu ROA và ROE ban đầu có chênh lệch lớn về giá trị nhưng sau đó giảm dần (hình 3.3). Mức chênh lệch cao nhất ở thời điểm năm 2010 (chênh lệch đến 13,27%), mức chênh lệch thấp nhất là vào năm 2014 (chênh lệch 4,2%). Điều này thể hiện mức độ sử dụng địn bẩy tài chính của các ngân hàng. Các ngân hàng đã thực hiện huy động vốn bằng cách vay nợ hoặc huy động tiền gửi của khách hàng với tỷ trọng lớn so với vốn chủ sở hữu. Điều này có thể gây ra rủi ro trong quá trình hoạt động kinh doanh của ngân hàng. Mặt khác, giá trị ROA vẫn đang lớn hơn 0, chứng tỏ các ngân hàng đang sử dụng địn bẩy tài chính một cách
có hiệu quả. Tuy nhiên, năm 2014 và năm 2015, ROA của ngành đạt 0,4% (tức là đang xuống gần mức 0), các ngân hàng không nên quá mạo hiểm, đặc biệt là trong giai đoạn tái cơ cấu và ngành ngân hàng vẫn đang có những thay đổi lớn.
Năm 2015, nhiều ngân hàng đã đẩy mạnh hoạt động cho vay khách hàng với tỷ lệ tăng trưởng cao ngất ngưởng. Điều này cũng giúp tỷ lệ thu nhập lãi cận biên (NIM) của nhiều ngân hàng tăng lên so với năm trước và cao hơn bình quân ngành. Hoạt động xử lý nợ xấu cũng được tăng cường giúp kéo giảm tỷ lệ nợ xấu trong năm 2015. Theo Ủy ban Giám sát tài chính quốc gia, tỷ lệ NIM của toàn hệ thống ngân hàng trong năm 2015 đạt 2.74%, tăng nhẹ so với mức 2.7% của năm 2014 (năm 2013 là 2.8%).
So sánh các chỉ số này tại giai đoạn 2012 – 2013 với trường hợp M&A điển hình là SHB (sáp nhập năm 2012) tại bảng 3.6.
Bảng 3. 6: Khả năng sinh lợi của SHB so với toàn ngành giai đoạn 2012 – 2013
Năm Chỉ tiêu NIM ROA ROE
2012 Toàn ngành 3,20% 0,79% 6,55% SHB 2,30% 0,00% 0,30% 2013 Toàn ngành 2,80% 0,60% 6,40% SHB 1,80% 0,70% 8,60%
Nguồn: Báo cáo ngành ngân hàng VCBS 2016, Báo cáo tài chính SHB
Năm 2013, sau hơn một năm tham gia M&A, chỉ số ROA và ROE của SHB có sự gia tăng vượt trội, và cũng thể hiện được sự tích hơn hơn so với toàn ngành. Rõ ràng SHB hoạt động tốt hơn sau khi tăng quy mô của ngân hàng bằng cách sáp nhập. Bên cạnh đó NIM của ngân hàng lại suy giảm vào 2013 và cũng thấp hơn toàn ngành trong giai đoạn này. Điều này thể hiện ngân hàng chưa sử dụng một cách tốt nhất các tài sản sinh lãi của mình trong giai đoạn sau M&A.
3.3.3. Tỷ lệ an tồn vốn – Tăng trưởng tín dụng – Tăng trưởng huy động vốn
Hình 3. 4: Tăng trưởng tín dụng – Tăng trưởng huy động vốn
Nguồn: Ngân hàng Nhà nước Việt Nam
Từ 2009, với những ảnh hưởng từ cuộc khủng hoảng kinh tế toàn cầu năm 2008, NHNN đã điều hành chính sách tiền tệ theo hướng nới lỏng nhằm hỗ trợ thanh khoản cho các TCTD, tạo điều kiện mở rộng tín dụng. Cũng trong năm này chính phủ áp dụng gói kích cầu cho nền kinh tế gồm hỗ trợ lãi suất 4%/năm cho các tổ chức, cá nhân vay vốn để sản xuất, kinh doanh; giảm 30% thuế thu nhập doanh nghiệp, 50% thuế giá trị gia tăng VAT, miễn thuế thu nhập cá nhân trong 6 tháng và kích đầu tư… Nhờ đó, tăng trưởng tín dụng từ 2009 – 2010 tăng mạnh (Nguyễn Minh Phong, 2009). Sau giai đoạn này, việc nợ xấu tăng cao gây ảnh hưởng trực tiếp đến tăng trưởng tín dụng, làm cho tốc độ tăng trưởng tín dụng giảm mạnh, từ 31,19% năm 2010 xuống chỉ cịn 8,8% năm 2012 (hình 3.4), thấp nhất trong cả thời kỳ. Bên cạnh đó, sự chênh lệch giữa tăng trưởng tín dụng và tăng trưởng huy động vốn cũng ảnh hưởng đến mức thanh khoản của các ngân hàng. Tại năm 2011 và 2015, tăng trưởng tín dụng lớn hơn
tăng trưởng huy động vốn, nhiều ngân hàng gặp khó khăn trong thanh khoản, đặc biệt là những ngân hàng nhỏ, uy tín thấp.
Bảng 3. 7: Chỉ số CAR – Tăng trưởng tín dụng – Tăng trưởng huy động vốn
Chỉ số 2010 2011 2012 2013 2014 2015
CAR 11,02% 11,92% 13,75% 13,25% 12,75% 13,00%
Tăng trưởng tín dụng 31,19% 14,33% 8,80% 12,70% 14,60% 15,51%
Tăng trưởng huy động vốn 36,24% 12,40% 17,90% 19,90% 17,00% 13,59%
Nguồn: Ngân hàng Nhà nước Việt Nam
Về tỷ lệ an toàn vốn CAR, trong giai đoạn 2010 – 2012 có xu hướng tăng từ 11,02% (năm 2010) lên 13,75% (năm 2012), nhưng sau đó giảm nhẹ trong giai đoạn 2013 – 2015. Tuy nhiên, trong cả giai đoạn, CAR vẫn cao hơn so với mức quy định tối thiểu của NHNN là 9%.
Thơng tư 36/2014/TT-NHNN có hiệu lực thi hành kể từ ngày 01 tháng 02 năm 2015 giúp CAR cải thiện và hoạt động tín dụng của các NH TMCP được nới lỏng. Các chỉ tiêu về chất lượng tài sản và khả năng sinh lời đều được cải thiện cho thấy sự hồi phục của kinh tế đang tác động tích cực tới ngành Ngân hàng. Tính tới thời điểm hiện tại, NHNN đã ban hành Thông tư 06/2016/TT-NHNN sửa đổi, bổ sung một số điều của Thông tư 36 quy định các giới hạn, tỷ lệ an toàn trong hoạt động của các TCTD. Nhìn chung, ngành Ngân hàng năm 2015 có nhiều điểm sáng về tín dụng và lợi nhuận, quá trình tái cấu trúc vẫn tiếp tục với những động thái mới của NHNN và vai trò lớn của VAMC trong việc giảm tỷ lệ nợ xấu.
Thử so sánh hệ số CAR của SHB sau sáp nhập năm 2012: Trước thời điểm sáp nhập, CAR của SHB đạt 14,45%, (CAR tồn ngành năm 2012 chỉ đạt 13,75%) cịn của Habubank chỉ đạt 4,24%. Sau sáp nhập, do ảnh hưởng từ ngân hàng đối tác nên CAR của SHB đạt 11,39%, thấp hơn so với toàn ngành nhưng vẫn đảm bảo được quy định chung của NHNN.
Đối với trường hợp sáp nhập của HDBank vào cuối năm 2013, chỉ số tăng trưởng tín dụng và huy động vốn cũng sụt giảm đáng kể. Năm 2014, tăng trưởng tín dụng của HDBank giảm 4,63% so với năm trước. Chỉ số tăng trưởng huy động vốn cũng giảm mạnh (năm 2013 đạt 82,08% nhưng 2014 chỉ đạt 4,85%)
Như vậy hoạt động M&A, mà đặc biệt là M&A diễn ra với ngân hàng đối tác hoạt động kém hiệu quả, có chỉ số CAR thấp sẽ làm làm ảnh hưởng tới chỉ số CAR của ngân hàng sau sáp nhập. Những khó khăn trong hoạt động mà ngân hàng sau M&A phải đối mặt cũng làm sụt giảm nghiêm trọng chỉ số tăng trưởng tín dụng và tăng trưởng huy động vốn.
Tóm tắt chương 3
Nội dung chương trình bày một cách tổng quan tình hình hoạt động kinh doanh của các NH TMCP Việt Nam và thực trạng tình hình M&A trong những năm qua.
Tổng hợp từ số liệu của báo cáo tài chính, báo cáo kết quả hoạt động kinh doanh của các ngân hàng, chương này đã tính tốn được sự biến động của các chỉ số trong giai đoạn nghiên cứu, thể hiện được năm 2012 là năm có nhiều biến động trong ngành ngân hàng Việt Nam, làm hạn chế sự phát triển của toàn bộ hệ thống ngân hàng trong năm này. Tuy nhiên, dưới sự điều tiết của chính phủ và NHNN, sau năm 2012, các chỉ số tài chính được cải thiện rõ rệt, hoạt động của các ngân hàng dần tốt lên. Đồng thời, so sánh cách chỉ số tài chính của ngân hàng tham gia M&A tiêu biểu với chỉ số của ngành để thấy được tác động của hoạt động M&A lên hiệu quả hoạt động kinh doanh của ngân hàng.
CHƯƠNG 4 PHƯƠNG PHÁP NGHIÊN CỨU BAO DỮ LIỆU DEA, DỮ LIỆU VÀ KẾT QUẢ NGHIÊN CỨU
Chương 4 giới thiệu phương pháp nghiên cứu bao dữ liệu DEA với hai mơ hình là mơ hình DEA với hiệu quả khơng đổi theo quy mơ và mơ hình DEA với hiệu quả thay đổi theo quy mô. Với các dữ liệu đầu vào và đầu ra được lựa chọn, thông qua chương này sẽ thấy được sự ảnh hưởng của các yếu tố đối với kết quả hoạt động kinh doanh của ngân hàng.
4.1. Phương pháp nghiên cứu bao dữ liệu DEA (Data Envelopment Analysis) Analysis)
Farrell (1957) đưa ý tưởng sử dụng đường giới hạn khả năng sản xuất PPF làm tiêu chí đánh giá hiệu quả (tương đối) giữa các công ty trong cùng một ngành. Các công ty đạt đến mức giới hạn được xem là hiệu quả (hơn) và các công ty không đạt đến đường PPF sẽ bị đánh giá là kém hiệu quả (so với các cơng ty kia). Sau này, phương pháp phân tích đường bao dữ liệu (Data Envelopment Analysis – DEA) được phát triển tiếp tục bởi Charnes, Cooper, và Rhodes (CCR) – 1978, áp dụng bài tốn tối ưu hóa tuyến tính phi tham số (non-parametric linear optimization) để xây dựng đường PPF dựa trên số liệu đã biết về một nhóm các cơng ty nhất định (decision making unit – DMU) và tính tốn điểm hiệu quả cho các cơng ty đó. Đến năm 1984, Banker, Charnes, và Cooper (BCC) cải tiến mơ hình trên bằng cách đưa yếu tố lợi tức nhờ quy mơ (returns to scale) vào tính tốn, mang lại cái nhìn cụ thể hơn về tính hiệu quả của các DMU được phân tích. Từ đó, mơ hình CCR và (chủ yếu là) BCC được áp dụng và phát triển một cách phổ biến trong phân tích hiệu quả (efficiency/performance) trong nhiều lĩnh vực khác nhau như ngân hàng, bảo hiểm, giáo dục, y tế,…
Tuy nhiên, hạn chế của phương pháp này (so với phương pháp hồi quy) là nó khơng tính tốn đến yếu tố sai số (error) hay nhiễu (noise); do đó, trong DEA khơng tồn tại yếu tố mức ý nghĩa hay độ tin cậy (significant level). Đồng thời, điểm hiệu quả DEA là hiệu quả tương đối giữa các DMU với nhau, do đó nếu một DMU có
điểm hiệu quả là 100% và nằm trên đường PPF (tập hợp tất cả các điểm hiệu quả tối đa) thì cũng khơng có nghĩa là nó đã tối ưu trên thực tế (nó chỉ tối ưu hơn các DMU khác trong phạm vi phân tích mà thơi). Vì vậy, DEA thường được thực hiện kết hợp với phân tích hồi quy trong một mơ hình 2 bước (2-stages DEA) hay nhiều bước (multi-stages DEA) để làm tăng thêm tính thuyết phục của mơ hình.
4.1.1. Mơ hình DEA với hiệu quả khơng đổi theo quy mô – CRS DEA
Theo Charnes, Cooper, và Rhodes (1978), với bộ dữ liệu gồm N ngân hàng, mỗi ngân hàng có K đầu vào và M đầu ra. Giả định các ngân hàng hoạt động với hiệu quả không đổi theo quy mô. Ma trận đầu vào X (K×N) và ma trận đầu ra Y (M×N) là hai ma trận biểu diễn toàn bộ dữ liệu của N ngân hàng.
yis: lượng đầu ra thứ i của ngân hàng thứ s; xjs: lượng đầu vào thứ j của ngân hàng thứ s ui: trọng số đầu ra; vj: trọng số đầu vào Với ngân hàng thứ s, ta đo lường tỷ lệ: es = ∑𝑚
𝑖=1 uiyis
es được cực đại hóa để tìm ra các trọng số ui, vj tối ưu với các ràng buộc
∑𝑘 𝑗=1 vjxjs =1 ∑𝑚 𝑖=1 uiyir – ∑𝑘 𝑗=1 vjxjr ≤ 0.r = 1,2,…, n ui ≥ 0 ; vj ≥ 0
Hay hiệu quả của ngân hàng thứ s là giá trị 𝜃s nhỏ nhất trong các giá trị 𝜃s là nghiệm của hệ bất phương trình sau:
∑𝑛 𝜆
𝑟=1 ryir – yis ≥0; i – 1,2,…, m 𝜃sxjs – ∑𝑛 𝜆
4.1.2. Mơ hình DEA với hiệu quả thay đổi theo quy mơ – VRS DEA
Mơ hình DEA với hiệu quả không đổi theo quy mô phù hợp với các ngân hàng đang hoạt động ở quy mô tối ưu. Tuy nhiên không phải ngân hàng nào cũng đạt được điều kiện đó, nên Banker, Charnes và Cooper (1984) đã mở rộng thành mơ hình DEA với hiệu quả thay đổi theo quy mô (VRS DEA).
Điều kiện: ∑𝑛 𝜆
𝑟=1 r = 1
Yêu cầu bài toán cần: tìm Min 𝜃, 𝜆, 𝜃s Với: ∑𝑛 𝜆
𝑟=1 ryir – yis ≥ 0.i – 1,2,…, m 𝜃sxjs – ∑𝑛 𝜆
𝑟=1 rxir ≤ 0.j = 1,2,…., n 𝜆r ≥ 0; ∑𝑛 𝜆
𝑟=1 r = 1
Hiệu quả kỹ thuật TE (hiệu quả kỹ thuật tính theo mơ hình hiệu quả khơng đổi theo quy mô) được hiểu là khả năng tạo ra một lượng đầu ra cho trước từ một lượng đầu vào nhỏ nhất; hay khả năng tạo ra một lượng đầu ra tối đa từ một lượng đầu vào cho trước, ứng với một trình độ cơng nghệ nhất định. Trong mơ hình VRS DEA, độ đo hiệu quả kỹ thuật TE được phân ra thành hiệu quả kỹ thuật thuần túy PE và hiệu quả theo quy mơ SE. Chính sự phân ra hiệu quả này giúp ta biết được nguồn gây ra phi hiệu quả. Phi hiệu quả có thể do phi hiệu quả kỹ thuật thuần túy và phi hiệu quả quy mô. Ta có:
TE = SE x PE
Ngân hàng đạt hiệu quả quy mô (CRS) khi SE =1. Trường hợp SE ≠ 1 thì ngân hàng hoặc có hiệu quả tăng theo quy mơ (IRS) hoặc có hiệu quả giảm theo quy mô (DRS).
4.1.3. Chỉ số Malmquist
Năng suất trong bài viết được hiểu là lượng đầu ra tương ứng trên một đơn vị đầu vào được sử dụng. Để đo lường năng suất có hai cách: Một là dựa trên từng năng
suất nhân tố riêng lẻ SFP (Single factor productivity) để đo lường năng suất riêng của mỗi nhân tố, hai là dựa vào năng suất nhân tố tổng hợp TFP (Total factor productivity) – thước đo liên quan đến tất cả các yếu tố sản xuất. Do ngành ngân hàng có nhiều mối quan hệ giữa nhiều đầu vào và nhiều đầu ra nên cách tiếp cận TFP là phù hợp hơn. Nghiên cứu này sử dụng chỉ số Malmquist để đo lường TFP.
Chỉ số thay đổi năng suất nhân tố tổng hợp TFP – Malmquist được đặt theo tên của Sten Malmquist – nhà kinh tế và thống kê học đầu tiên đề xuất sử dụng chỉ số này để đo lường sự thay đổi của TFP cũng như sự thay đổi độ đo hiệu quả kỹ thuật, tiến bộ công nghệ, hiệu quả thuần và hiệu quả theo quy mô.
Dựa trên ý tưởng của Malmquist, nhiều tác giả đã xây dựng các phương pháp khác nhau để đo lường chỉ số năng suất tổng hợp, trong đó có phương pháp DEA. Theo Caves và cộng sự (1982) chỉ số năng suất Malmquist theo đầu ra được xác định:
𝑴𝟎𝒕 = (𝑫𝟎𝒕(𝒙𝒕+𝟏,𝒚𝒕+𝟏)
𝑫𝟎𝒕(𝒙𝒕,𝒚𝒕) ) (1)
Trong đó, 𝑴𝟎𝒕 đo lường sự thay đổi năng suất bắt nguồn từ sự thay đổi trong hiệu quả kỹ thuật giữa năm (t) và năm (t+1), với công nghệ thời kỳ (t+1) được cho như sau:
𝑴𝟎𝒕+𝟏 = (𝑫𝟎𝒕+𝟏(𝒙𝒕+𝟏,𝒚𝒕+𝟏)
𝑫𝟎𝒕+𝟏(𝒙𝒕,𝒚𝒕) ) (2)
Nếu chỉ định chỉ số thay đổi của năng suất nhân tố tổng hợp Malmquist theo đầu ra là trung bình nhân của hai chỉ số năng suất Malmquist (1) và (2) ta được:
𝑴𝟎(𝒙𝒕+𝟏, 𝒚𝒕+𝟏, 𝒙𝒕, 𝒚𝒕) = √[(𝑫𝟎𝒕(𝒙𝒕+𝟏,𝒚𝒕+𝟏)
𝑫𝟎𝒕(𝒙𝒕,𝒚𝒕) ) (𝑫𝟎𝒕+𝟏(𝒙𝒕+𝟏,𝒚𝒕+𝟏)
𝑫𝟎𝒕+𝟏(𝒙𝒕,𝒚𝒕) )] (3)
Công thức (3) được viết lại thành:
𝑴𝟎(𝒙𝒕+𝟏, 𝒚𝒕+𝟏, 𝒙𝒕, 𝒚𝒕) = (𝑫𝟎𝒕+𝟏(𝒙𝒕+𝟏,𝒚𝒕+𝟏)
𝑫𝟎𝒕(𝒙𝒕,𝒚𝒕) ) √[( 𝑫𝟎𝒕(𝒙𝒕+𝟏,𝒚𝒕+𝟏)
𝑫𝟎𝒕+𝟏(𝒙𝒕+𝟏,𝒚𝒕+𝟏)) ( 𝑫𝟎𝒕(𝒙𝒕,𝒚𝒕)
Đây là công thức tính chỉ số Malmquist đo lường sự thay đổi của năng suất nhân tố tổng hợp của một ngân hàng năm thứ (t+1) so với năm thứ (t). Trong đó: