CHƯƠNG 3 : PHƯƠNG PHÁP NGHIÊN CỨU VÀ DỮ LIỆU
3.2 Mẫu quan sát và nguồn số liệu
3.2.2 Mô tả biến và nguồn dữ liệu
3.2.2.1 Độ phân tán tỷ lệ cho vay
Để xem xét mức độ hiệu quả của sự phân bổ các nguồn cho vay của các ngân hàng tại một nước, bài nghiên cứu sử dụng thước đo độ phân tán tỷ lệ cho vay trên tổng tài sản. Cụ thể là phương sai tỷ lệ cho vay trên tổng tài sản của các ngân hàng của nước
j tại thời điểm t. Như vậy, tại một nước, một thời điểm, chỉ có một quan sát.
Bảng 3.1: Mô tả thống kê tỷ lệ cho vay/tổng tài sản
Nước Giai đoạn N
Bangladesh 2009 – 2016 18 62,97% 8,49% Trung Quốc 2004 – 2016 31 48,14% 13,42% Hongkong 2012 – 2016 13 43,78% 13,42% Ấn Độ 1998 – 2016 40 54,84% 9,21% Indonesia 1990 - 2015 119 59,53% 19,62% Israel 2003 – 2016 10 69,57% 9,18% Jordan 2004 – 2016 11 45,41% 9,78% Kazakhstan 2001 – 2015 13 66,80% 10,97% Kuwait 2011 – 2016 10 53,11% 15,73% Lào 2012 – 2015 10 45,02% 19,46%
Nước Giai đoạn N Malaysia 1994 – 2015 80 49,09% 19,46% Paskita 2001 – 2016 23 44,14% 14,18% Philippines 1988 – 2015 48 46,81% 17,89% Singapore 1988 – 2015 38 49,31% 24,06% Hàn Quốc 2010 – 2016 10 71,30% 7,65% SriLanka 2009 - 2016 11 59,12% 14,61% Đài Loan 1998 - 2016 20 59,12% 11,31% Thái Lan 1988 – 2015 25 69,9% 15,13% Việt Nam 2004 – 2015 38 53,23% 14,41%
Bảng 3.1 cung cấp các thông tin cơ bản về dữ liệu ngân hàng trong bài nghiên cứu cho
từng quốc gia. Tỷ lệ cho vay trên tổng tài sản, , dao động từ 40% đến 70% ở tất cả
các nước. Hàn Quốc là nước có tỷ lệ cho vay cao nhất với giá trị trung bình đạt 71,30%, một số nước khác như Israel, Kazakhstan, Bangladesh, Thái Lan đều có tỷ lệ cho vay trên 60%. Tỷ lệ cho vay trung bình của Hongkong thấp nhất trong mẫu nghiên cứu, chỉ đạt 43,78%, một số cũng có tỷ lệ cho vay tương đối thấp có thể kể đến như Lào, Trung Quốc, Jordan, Paskita. Tương tự, độ lệch chuẩn trung bình tỷ lệ cho vay trên tổng tài sản, , ở các nước là dao động từ 8% đến 20%. Độ lệch tiêu chuẩn trung bình thấp nhất của tỷ lệ cho vay trên tài sản thuộc về Hàn Quốc với 7,65% và giá trị cao nhất là 24,06% thuộc về Singapore.
Hình 3.1: Biểu đồ phân phối biến phụ thuộc
3.2.2.2 Biến động lạm phát
Để ước lượng mơ hình, chúng ta phải đánh giá độ nhiễu trong cơ chế giá của từng quốc gia mà cụ thể là sự biến động hay lạm phát không chắc chắn. Để đo sự biến động lạm phát này, bài nghiên cứu dùng với mơ hình ARCH / GARCH để nắm bắt những biến động khác biệt của chỉ số giá tiêu dùng hàng tháng. Chỉ số giá tiêu dùng được thu thập từ cơ sở dữ liệu Datasteam theo tháng. Chúng ta cần lưu ý rằng trước khi ước tính mơ hình, chuỗi chỉ số giá đã được kiểm tra và khẳng định sự hiện diện của các hiệu ứng ARCH bằng kiểm định Lagrange Multiplier (LM). Mơ hình GARCH (p, q) có dạng sau:
= + + . ℎ +
ℎ = + ℎ +
Trong đó biểu thị lạm phát, i.month nắm bắt các hiệu ứng tháng, t = t ℎ
Đối với mỗi quốc gia, bài viết ước tính một biến thể của mơ hình trên, mơ hình ARCH (p) hoặc GARCH (p, q) đối với các nước được mô tả trong Bảng 3.2 tác giả thấy rằng đối với hầu hết các quốc gia, mơ hình ARCH (1) hoặc ARCH (2) là đủ để làm cho các phần dư cịn lại khơng có hiệu ứng ARCH bậc cao hơn. Đối với một số nước khác, mơ hình GARCH (p, q) bậc thấp được sử dụng thay vì mơ hình ARCH bậc cao hơn. Sau khi mơ hình được lựa chọn đã được xác định rõ ràng, chuỗi phương sai có điều kiện được tính trung bình trong năm 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 chuỗi phương sai 12 tháng này. Từ chuỗi CPI 12 tháng của một nước, sau khi hồi quy ta thu được một quan sát. Chuỗi này được sử dụng như là một thước đo của độ nhiễu trong các tín hiệu giá, mà chúng ta biểu thị là ℎ trong phương trình (1) và (2).
Phương sai có điều kiện cao hơn hàm ý độ nhiễu cao hơn trong cơ chế giá, nghĩa là nội dung thông tin của giá đã giảm. Trong những trường hợp như vậy, người ra quyết định sẽ khơng thể dự đốn tính khả thi của các dự án và do đó sẽ hành xử một cách thận trọng hơn. Do đó, hệ số chặn được kỳ vọng mang dấu âm, thể hiện tác động ngược chiều của biến động lạm phát lên sự phân bổ khoản vay của các ngân hàng. Khi lạm phát biến động mạnh thì độ phân tán càng giảm do các nhà quản lý ngân hàng cư xử thận trọng hơn, hàm ý các nguồn cho vay chưa được sử dụng hiệu quả.
Bảng 3.2: Độ trễ p, q trong mơ hình ARCH/GARCH khi ước lượng độ biến động lạm phát
No. Country ARCH
(p)
GARCH (q)
No. Country ARCH
(p) GARCH (q) 1 China 2 11 Pakistan 1 1 2 India 2 12 Philippin 1 2 3 Isaren 1 2 13 Vietnam 1 1 4 Jordan 2 14 Singapore 2 5 Kazantang 1 1 15 Thailand 1 1 6 Korea 1 2 16 Bangladesh 1 7 Kuwait 1 17 Hongkong 1
No. Country ARCH (p)
GARCH (q)
No. Country ARCH
(p) GARCH (q) 8 Laos 2 18 Taiwan 2 9 Malaysia 1 1 19 Indosia 2 10 Srilanka 1
Để hình dung sự liên quan giữa sự biến động của lạm phát và sự khác biệt về phương sai của tỷ lệ cho vay / tổng tài sản. Đồ thị ở Hình 3.2 mơ tả sự biến thiên của biến động lạm phát và phân tán tỷ lệ cho vay trên tổng tài sản. Chúng ta thấy rằng có sự tương quan âm giữa sự biến động của lạm phát và sự phân tán tỷ lệ cho vay / tổng tài sản của các ngân hàng. Mặc dù những số liệu này cung cấp một bằng chứng trực quan về mối tương quan âm giữa sự bất ổn về lạm phát và sự phân tán chéo của tỷ lệ cho vay trên tài sản của các ngân hàng. Tuy nhiên các ngân hàng ở quốc gia có thể phải chịu các cú sốc cụ thể với các đặc trưng riêng của mỗi quốc gia, nên cần tiến hành nghiên cứu thực nghiệm chính thức trước khi đưa ra kết luận về mối tương quan này. Hơn nữa, ngoài các tác động cố định ở cấp độ quốc gia, chúng ta phải xem xét tác động của nhiều yếu tố khác có thể bóp méo quan sát.
Hình 3.2: Biểu đồ tương quan giữa biến động lạm phát và phân tán tỷ lệ cho
vay/tổng tài sản
3.2.2.3 Nhóm biến kiểm sốt
Biến kiểm sốt là những biến chỉ đặc điểm riêng có được đưa vào mơ hình nhằm làm giảm bất cứ tác động nào có thể gây nhiễu cho các nhân tố khác hoặc cho việc diễn giải kết quả của nghiên cứu. Biến kiểm soát cũng có một ảnh hưởng tiềm năng vào biến phụ thuộc như biến độc lập, nhưng sự tác động đó khơng phải là điều mà ta đang quan tâm. Bên cạnh đó, việc đưa biến kiểm sốt vào mơ hình phân tích vì ta khơng thể bỏ qua sự tác động của nó khi xem xét các tác động của biến độc lập. Tương tự như
Mustafa, Bing (2016), nhóm biến kiểm sốt được đưa vào mơ hình bao gồm các yếu tố
biến động khác của môi trường vĩ mô:
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 GPD, ∆GDP: tác động của tăng trưởng GDP (∆GDP) đối với sự phân tán tỷ lệ cho vay/tài sản vẫn còn chưa rõ ràng. Chẳng hạn như trong một nền kinh tế tăng trưởng, nếu các tín dụng mới tăng đều đặn trên tất cả các ngân hàng, thì sự phân tán tỷ lệ cho vay / tài sản khơng thay đổi. Tuy nhiên, nếu tín dụng mới được mở rộng bởi các ngân hàng nhất định thì tác động lên sự phân tán sẽ cùng chiều vì tốc độ tăng trưởng GDP thay đổi theo thời gian.
Biến giả dumFC nhận giá trị là 1 nếu năm t lớn hơn năm 2007. Việc đưa biến giả
này vào mơ hình với mục đích kiểm tra xem sự phân tán của tỷ lệ cho vay đối với tài sản đã thay đổi sau cuộc khủng hoảng tài chính hay khơng. Hệ số chặn được kỳ vọng mang dấu dương vì sau cuộc khủng hoảng tài chính các khoản tiền đã được bơm vào các thị trường tài chính. Ngược lại, cũng có thể tranh luận về kỳ vọng ngược chiều, vì các ngân hàng hạn chế cung cấp các khoản vay trong giai đoạn khủng hoảng mặc dù các nỗ lực của NHTW và Chính phủ.
(dumFC*h) cho thấy sự liên quan giữa biến động lạm phát có thay đổi sau cuộc khủng
hoảng tài chính. Hệ số âm (dương) cho thấy rằng sau cuộc khủng hoảng tài chính, tác động ngược chiều của sự biến động về phân bổ nguồn lực ngân hàng đã tăng lên (suy yếu).
Biến động của thị trường chứng khoán (VolStock) và biến động giá dầu (VolOil)
cũng được đo bằng cách áp dụng phương pháp ARCH / GARCH. Để ước tính biến động thị trường chứng khốn, bài nghiên cứu thu thập dữ liệu theo tháng của các chỉ số chứng khoản đại diện cho thị trường tại mỗi quốc gia được lấy từ Datastream và biến động giá dầu được đo dựa trên giá dầu West Taxas Intermediate được lấy từ IMF. Mặc dù có thể kỳ vọng rằng sự biến động của thị trường chứng khốn sẽ có tác động tích cực đến sự phân tán các khoản cho vay của ngân hàng, nhưng tác động này cũng có thể là ngược lại. Ví dụ, nếu các ngân hàng mở rộng tín dụng cho các cơng ty có cơ hội đầu tư chất lượng tốt 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 tán tỷ lệ cho vay / nguồn vốn của các ngân hàng sẽ mở rộng. Tuy nhiên, nếu sự biến động của thị trường chứng khốn là tín hiệu cho một bất ổn tổng thể trong thị trường tài chính, thì việc phân tán các khoản vay sẽ thu hẹp, vì các ngân hàng có xu hướng hành xử thận trọng trong việc mở rộng các khoản vay trong giai đoạn biến động. Tác động của biến động giá dầu đối với biến phụ thuộc dự kiến sẽ là ngược chiều, vì sự biến động giá dầu tăng lên hàm ý sự gia tăng bất ổn trong môi trường kinh tế vĩ mô dẫn đến hành vi cho vay bảo thủ của ngân hàng.
Rủi ro trung bình của ngành ngân hàng chính là sự biến động lợi nhuận của các ngân hàng của cùng một nước, nó được tính từ độ lệch chuẩn của tỷ lệ thu nhập ròng trên tổng tài sản của các ngân hàng có trong bộ dữ liệu. Bài nghiên cứu kỳ vọng rủi ro trung bình ngân hàng sẽ có tác động ngược chiều lên việc phân tán tỷ lệ cho vay/tổng tài sản.
cho các ngân hàng trong bộ dữ liệu và được kỳ vọng có tác động cùng chiều lên hiệu quả phân bổ nguồn cho vay của các ngân hàng.
Nhìn chung, việc đưa các biến số kiểm sốt khơng nên ảnh hưởng đến kỳ vọng
dấu và ý nghĩa của hệ số liên quan đến sự biến động của lạm phát, , thể hiện những
tác động đảo ngược của sự biến động lạm phát lên phân bổ nguồn lực ngân hàng. Cũng
lưu ý rằng mơ hình mở rộng bao gồm các biến giả hằng năm, i.year, nắm bắt những cú
sốc cịn lại có thể ảnh hưởng đến mối tương quan.
Bảng 3.3 trình bày tóm tắt mơ tả biến, định nghĩa của các biến được 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 3.3: Mô tả biến, định nghĩa và nguồn dữ liệu
Nhóm Tên biến Định nghĩa 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
ℎ, 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 2007 +/-
dumFC*h Biến tương tác của dumFC và ℎ, +/-
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
Ngoài ra, trước khi ước lượng, chúng tôi tiến hành xem xét hiện tượng đa cộng tuyến giữa các biến độc lập. Bảng 3.4 trình bày các hệ số tương quan đơi giữa các biến được đưa vào mơ hình. Điều kiện để đánh giá khơng có đa cộng tuyến giữa các biến độc lập chính là các hệ số tương quan khơng được vượt q 0,8 và có ý nghĩa thống kê. Kết quả cho thấy biến rủi ro ngành ngân hàng và biến lợi nhuận ngành ngân hàng có tương quan hồn toàn với mức ý nghĩa 1%. Do đó khi hồi quy bằng mơ hình FE, biến rủi ro ngành ngân hàng bị loại bỏ. Ngồi ra các biến độc lập khác trong mơ hình đều khơng có mối tương quan nào đặc biệt cao hơn 0,8, tức là không thể xảy ra hiện tượng đa cộng tuyến.
Thêm vào đó, để làm giảm bớt tác động của các giá trị ngoại lai, chúng tôi đã loại trừ 2,5% các giá trị ngoại lai. Các quan sát còn lại trong mẫu nghiên cứu là các giá trị còn lại.
Bảng 3.4: Ma trận hệ số tương quan
Với các ký hiệu *,**, và *** lần lượt đại diện cho các mức ý nghĩa 10%, 5%, và 1%
Tên biến 1 2 3 4 5 6 7 8 9 10 1. Độ phân tán tỷ lệ cho vay 1.0000 2. Biến động lạm phát -0.0881 1.0000 3. Lạm phát -0.0782 0.0106 1.0000 4. Tăng trưởng GDP 0.0232 0.0060 -0.1755*** 1.0000 5. Khủng hoảng tài chính -0.1049* 0.1519*** -0.1248** -0.1527*** 1.0000 6. Biến động lạm phát sau khủng hoảng tài chính -0.0865 -0.0865 0.0932*** -0.0117 0.2061 1.0000 7. Biến động thị trường chứng khoán -0.1472** 0.0277 0.1769*** -0.0441 0.0642 0.0155 1.0000
8. Biến động giá dầu -0.0449 0.0175 0.0931 -0.1197** 0.1678** 0.2607*** 0.0054 1.0000
9. Rủi ro ngành ngân hàng 0.0143 -0.0056 -0.0170 -0.0335 0.0633 -0.0021 0.0296 0.0585 1.0000
10. Lợi nhuận ngành ngân hàng
CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU
Trong chương này, kết quả hồi quy sẽ được trình bày theo ba phương pháp ước lượng. Mơ hình ước lượng bằng cách sử dụng mơ hình FEM, REM và sau đó là mơ hình biến cơng cụ với kỹ thuật ước lượng GMM, IV-GMM để khắc phục hiện tượng nội sinh. Tất cả các mơ hình cho phép các hiệu ứng cố định cụ thể của quốc gia và mơ hình mở rộng nhất của đưa thêm vào hiệu ứng năm. Robust standard errors cũng được trình bày trong tất cả các bảng kết quả.
Kết quả cho thấy có mối tương quan ngược chiều giữa sự biến động của lạm phát và sự phân tán chéo của tỷ lệ cho vay trên tài sản. Những phát hiện này cung cấp hỗ trợ cho giả thuyết rằng sự biến động ảnh hưởng cản trở việc phân bổ một cách có hệu quả nguồn vốn khan hiếm của ngân hàng.
4.1 Kết quả hồi quy bằng REM
Bảng 4.1: Kết quả hồi quy bằng phương pháp REM
Với các ký hiệu *,**, và *** lần lượt đại diện cho các mức ý nghĩa 10%, 5%, và 1%
Độ lệch chuẩn được đặt trong dấu ngoặc đơn.