CHƢƠNG 2 : TỔNG QUAN VỀ RỦI RO TÍN DỤNG
4.1.2. Xác định các biến số nghiên cứu và xây dựng giả thuyết nghiên cứu
Ở các bước đầu tiên là đề ra mục tiêu nghiên cứu, câu hỏi nghiên cứu và tìm hiểu về cơ sở lý thuyết về vấn đề nghiên cứu đã được trình bày ở Chương 1 và Chương 2, tác giả chọn ra 7 biến, trong đó có 1 biến phụ thuộc là tỷ lệ nợ xấu và 6
biến còn lại là biến độc lập, được chia thành 2 nhóm, bao gồm: nhóm các yếu tố kinh tế vĩ mô (Tốc độ tăng trưởng GDP, Lạm phát và Tỷ lệ thất nghiệp) và nhóm các yếu tố thuộc đặc điểm ngân hàng (Tăng trưởng tín dụng, Quy mơ ngân hàng và Dự phòng RRTD) dựa trên cơng trình nghiên cứu của Hasna Chaibi và Zied Ftiti (2015).
4.1.2.1. Tỷ lệ nợ xấu
Nghiên cứu đo lường biến tỷ lệ nợ xấu theo cách:
Tỷ lệ nợ xấu là tỷ số cho thấy chất lượng và mức độ rủi ro xảy ra đối với khoản cho vay. Do vậy, tỷ lệ nợ xấu là một chỉ tiêu quan trọng để xem xét mức độ RRTD. Tỷ lệ nợ xấu tăng cao cho thấy mức độ rủi ro cao, xác suất mà NHTMCP đối mặt với những khoản vay không thể thu hồi được là rất lớn.
Theo các nghiên cứu của Fadzlan Sufian & Royfaizal R. Chong (2008), Nguyễn Thị Thái Hưng (2012, Rasidah M. Said & Mohd H. Tumin (2011), Somanadevi Thiagarajan & ctg (2011), Tobias Olweny & Themba M. Shipho (2011) thì rủi ro tín dụng ngân hàng có thể được đánh giá thơng qua tỷ lệ nợ xấu.
Vì vậy, trong nghiên cứu tác giả sử dụng biến tỷ lệ nợ xấu là biến đại diện cho biến RRTD.
4.1.2.2. Tăng trƣởng tín dụng
Tăng trưởng tín dụng là sự gia tăng giá trị khoản vay qua các năm. Giá trị gia tăng này trong từng thời kỳ phụ thuộc vào chính sách tín dụng mà NHTM theo đuổi trong thời kỳ đó. Theo đó, chính sách tín dụng của NHTM phải đạt được mục tiêu cân bằng giữa tối đa hóa lợi nhuận và giảm thiểu rủi ro, đảm bảo khả năng tăng trưởng tín dụng và đầu tư an tồn, hiệu quả, đúng định hướng và chiến lược phát triển của NHTM. Đây là biến được nhiều nghiên cứu tìm thấy có mối quan hệ với RRTD.
Theo nghiên cứu của Clair (1992) ở ngân hàng Texas giai đoạn 1976 – 1990 phát hiện có một tác động tiêu cực giữa tăng trưởng tín dụng và tỷ lệ nợ xấu.
Nghiên cứu của Sukrishnalall Pasha và Tarron Khemraj (2009) cũng cho thấy điều đó. Tác giả của bài nghiên cứu chỉ ra rằng các NHTM mở rộng hoạt động tín dụng sẽ giúp các DN, hộ kinh doanh dễ dàng tiếp cận nguồn vốn vay, người đi vay làm ăn có lãi, hoạt động kinh doanh tốt, khả năng thực hiện nghĩa vụ thanh toán nợ vay dễ dàng hơn nên RRTD giảm xuống.
Boudriga (2009) cũng cho thấy rằng tăng trưởng tín dụng cao liên quan đến việc giảm các khoản nợ có vấn đề. Vì khi đó ngân hàng sẽ tập trung vào hoạt động tín dụng nhiều hơn nên khả năng đánh giá hiệu quả chất lượng tín dụng của khách hàng vay tốt hơn. Đồng quan điểm, Packer và cộng sự (2012) cũng tìm thấy ảnh hưởng tiêu cực của tăng trưởng tín dụng lên tỷ lệ nợ xấu.
Các nghiên cứu chỉ ra rằng, RRTD có xu hướng thấp khi tăng trưởng tín dụng tăng. Từ đó, tác giả đề xuất giả thuyết:
Giả thuyết H1: Tăng trưởng tín dụng có mối quan hệ ngược chiều với tỷ lệ nợ
xấu tại các NH TMCP Việt Nam (CG)
4.1.2.3. Quy mô ngân hàng
Quy mô ngân hàng được thể hiện qua tổng tài sản của một ngân hàng. Về mặt lý thuyết, các ngân hàng lớn có nhiều cơ hội đa dạng hóa danh mục cho vay, và do đó có thể làm giảm thiểu nguy cơ rủi ro tổng thể tốt hơn so với các ngân hàng nhỏ khơng có nhiều cơ hội đa dạng hóa danh mục cho vay.
Các nghiên cứu trước đây của Chen và cộng sự (1998), Megginson (2005) khi tiến hành nghiên cứu về mối quan hệ giữa quy mô ngân hàng và RRTD đều cho thấy mối quan hệ nghịch chiều giữa RRTD và quy mô ngân hàng. Nghiên cứu của Jin-Li Hu & ctg (2004) cũng chỉ ra mối quan hệ ngược chiều giữa qui mơ ngân hàng và rủi ro tín dụng ngân hàng. Các ngân hàng lớn có hệ thống quản lý rủi ro tốt hơn và nắm giữ danh mục cho vay ít rủi ro hơn nên có thể hạn chế được rủi ro tín dụng so với những ngân hàng có qui mô nhỏ. Somanadevi Thiagarajan & ctg (2011) nghiên cứu các yếu tố tác động đến rủi ro tín dụng tại các ngân hàng ở Ấn Độ trong giai đoạn từ năm 2001-2010, và nghiên cứu của Hess & ctg (2008) trên 32 ngân hàng Australia trong giai đoạn 1980 – 2005 cũng tìm được kết quả tương tự.
Theo 2 nghiên cứu trên thì quy mơ ngân hàng được đo lường bằng cách:
Quy mơ tài sản của các NH TMCP Việt Nam có sự khác biệt đáng kể giữa các ngân hàng, do vậy chọn biến quy mô bằng ln(Tổng tài sản) nhằm giảm sự phân tán thông qua xem xét một phần trăm thay đổi của tài sản tác động đến RRTD.
Vì vậy, giả thuyết đưa ra:
Giả thuyết H2: Quy mơ ngân hàng có mối quan hệ ngược chiều với tỷ lệ nợ
xấu tại các NH TMCP Việt Nam (SIZE)
4.1.2.4. Dự phòng rủi ro tín dụng
Mối quan hệ giữa Dự phòng RRTD và tỷ lệ nợ xấu đã được nghiên cứu nhiều trước đây. Trong nghiên cứu của Larry D. Wall và Ifterkhar Hasan (2003) khi phân tích các yếu tố quyết định đến RRTD đã chỉ ra rằng, mức trích lập dự phịng RRTD có tác động tích cực đến tỷ lệ nợ xấu. Việc trích lập dự phòng RRTD ở các NHTMCP căn cứ vào tình trạng dư nợ và các tỷ lệ trích lập theo quy định của NHNN tưng ứng với tình trạng dư nợ hiện tại ở các NH TMCP. Các ngân hàng thường chủ động tăng dự phịng nhằm đảm bảo an tồn trong hoạt động của ngân hàng, khi hoạt động tín dụng đang có nhiều rủi ro hơn.
Vì vậy, tác giả đề xuất giả thuyết:
Giả thuyết H3: Dự phòng rủi ro tín dụng có mối quan hệ cùng chiều với tỷ lệ
nợ xấu tại các NH TMCP Việt Nam (LLR)
4.1.2.5. Tăng trƣởng GDP
Tổng sản phẩm quốc nội GDP là một trong những chỉ tiêu chủ yếu để đo lường sức khỏe của nền kinh tế của một quốc gia. Tổng sản phẩm quốc nội là chỉ tiêu phản ánh giá trị thị trường của tất cả hàng hóa và dịch vụ cuối cùng được sản xuất ra trong phạm vi lãnh thổ nhất định (thường là quốc gia) trong một khoảng thời gian nhất định (thường là một năm).
Trong điều kiện kinh tế tăng trưởng tốt, biểu thị thông qua GDP tăng, các DN đang hoạt động sản xuất kinh doanh thuận lợi, hiệu quả, khả năng trả nợ được nâng cao hơn góp phần làm giảm RRTD. Ngược lại, điều kiện kinh tế suy thoái, biểu thị
thơng qua GDP giảm, có thể gây tổn thất cho ngân hàng do khả năng trả nợ của DN giảm, làm gia tăng các khoản vay khơng hiệu quả.
Có nhiều nghiên cứu thực nghiệm trước đây đã tìm thấy mối quan hệ ngược chiều giữa tăng trưởng GDP và tỷ lệ nợ xấu như nghiên cứu của Salas và Saurina (2002), Fofack (2005), Jimenez và Saurina (2006), Dash và Kabra (2010).
Theo Dash và Kabra (2010) thực hiện nghiên cứu một số biến kinh tế vĩ mơ và nhóm các yếu tố bên trong ngân hàng ảnh hưởng như thế nào đến nợ xấu. Tác giả dựa trên dữ liệu của hệ thống ngân hàng Ấn Độ từ năm 1998 – 2009, nghiên cứu đã đưa ra thêm bằng chứng cho thấy rằng có mối tương quan âm cao giữa GDP và tỷ lệ nợ xấu và thêm vào đó là những ngân hàng có lãi suất cao hơn kèm theo tỷ lệ nợ xấu cao hơn.
Cũng có một vài nghiên cứu như “mối quan hệ giữa GDP và nợ xấu: bằng chứng từ Nigeria (1995-2009)” của Inekwe Murumba (2013) tìm ra mối quan hệ cùng chiều giữa GDP thực tế và nợ xấu trong ngành ngân hàng Nigeria. Điều này trái với những phát hiện của những nghiên cứu trước đây.
Vì vậy, tác giả đưa ra giả thuyết:
Giả thuyết H4: Tốc độ tăng trưởng GDP có mối quan hệ ngược chiều với tỷ lệ
nợ xấu tại các NH TMCP Việt Nam (GDPG)
4.1.2.6. Lạm phát
Lạm phát tăng cao đã làm suy yếu, thậm chí phá vỡ thị trường vốn, ảnh hưởng lớn đến hoạt động của NH TMCP. Sự không ổn định của giá cả đã làm suy giảm lòng tin của các nhà đầu tư và dân chúng làm ảnh hưởng đến sự lựa chọn quyết định của họ. Bên cạnh đó, lạm phát gia tăng kéo theo nhiều hệ lụy như lãi suất tăng, đồng tiền bị mất giá, chi phí sản xuất gia tăng, tạo ra khơng ít khó khăn cho hoạt động sản xuất kinh doanh của DN, dễ dẫn đến nguy cơ vỡ nợ, phá sản. Cơ sở lý thuyết này phù hợp với kết quả nghiên cứu của Fofack và Hippolyte (2005), Hoggarth và các cộng sự (2005) giữa lạm phát và tỷ lệ nợ xấu có mối tương quan thuận chiều.
Giả thuyết H5: Lạm phát có mối quan hệ cùng chiều với tỷ lệ nợ xấu tại các NH TMCP Việt Nam (CPI)
4.1.2.7. Tỷ lệ thất nghiệp
Có nhiều nghiên cứu trước đây cho thấy ảnh hưởng thuận chiều của tỷ lệ thất nghiệp đối với tỷ lệ nợ xấu. Nghiên cứu của Lawrence (1995) cho thấy những người đi vay có mức thu nhập thấp thì có khả năng mất khả năng thanh tốn hơn khi tỷ lệ thất nghiệp gia tăng. Tương tự, Baloucer và Jancar (2005) khi nghiên cứu tác động của các cú sốc bên ngoài lên chất lượng cho vay của các ngân hàng Czech (1993-2006) cũng đã chỉ ra mối quan hệ tương quan thuận chiều giữa nợ xấu với tỷ lệ thất nghiệp.
Giả thuyết được đặt ra:
Giả thuyết H6: Tỷ lệ thất nghiệp có mối quan hệ cùng chiều với tỷ lệ nợ xấu
tại các NH TMCP Việt Nam (UEP)
Bảng 4.1: Kỳ vọng dấu của các biến
Biến độc lập
Biến phụ thuộc: Tỷ lệ nợ xấu NPL Giả thuyết Dấu kỳ vọng
Tăng trưởng tín dụng (CG) H1 -
Quy mơ ngân hàng (SIZE) H2 -
Dự phịng RRTD (LLR) H3 +
Tăng trưởng GDP (GDPG) H4 -
Lạm phát (CPI) H5 +
Tỷ lệ thất nghiệp (UEP) H6 +
4.1.3. Lựa chọn mơ hình nghiên cứu
Sau khi tìm hiểu các nghiên cứu của các nhà nghiên cứu trong và ngoài nước về các nhân tố ảnh hưởng đến RRTD của các ngân hàng thì hầu hết các nhà nghiên cứu đều sử dụng mơ hình hồi quy tuyến tính.Vì vậy, tác giả sẽ sử dụng mơ hình hồi quy tuyến tính đa biến để xem xét ảnh hưởng của các biến độc lập đến biến phụ thuộc. Nghiên cứu sử dụng dữ liệu chuỗi thời gian.
Mơ hình nghiên cứu được tác giả xây dựng như sau:
NPLit = β0 + β1CGit + β2SIZEit + β3LLRit + β4GDPGit + β5CPIit + β6UEPit + µit
Trong đó:
Biến phụ thuộc NPL: Tỷ lệ nợ xấu
Biến độc lập
CG : Tăng trưởng tín dụng SIZE : Quy mô ngân hàng LLR : Dự phịng rủi ro tín dụng GDPG : Tốc độ tăng trưởng GDP CPI : Lạm phát
UEP : Tỷ lệ thất nghiệp
β0 : hằng số của mơ hình
µ : hệ số hồi quy, là phần dư của phương trình hồi quy (đại diện cho sai số và các biến khơng xuất hiện trong mơ hình)
Bảng 4.2: Tổng hợp các yếu tố nghiên cứu Các biến Phƣơng pháp đo lƣờng Dấu kỳ
vọng Các bằng chứng thực nghiệm Biến phụ thuộc Tỷ lệ nợ xấu (NPL)
Fadzlan Sufian & Royfaizal R. Chong (2008); Nguyễn Thị Thái Hưng (2012); Rasidah M. Said & Mohd H. Tumin (2011); Somanadevi Thiagarajan & ctg (2011); Tobias Olweny & Themba M. Shipho
(2011)
Biến độc lập
Tăng trưởng tín dụng (CG)
CG = [(Dư nợ cho vay kỳ thực hiện – Dư nợ cho vay kỳ trước)/Dư nợ cho vay kỳ trước] x 100% - Clair (1992); Sukrishnalall Pasha và Tarron Khemraj (2009); Boudriga (2009); Packer và cộng sự (2012). Quy mô ngân hàng (SIZE)
SIZE = ln (Tổng tài sản) - Chen và cộng sự (1998); Megginson (2005. Dự phòng RRTD (LLR) LLR = (Dự phịng RRTD trích lập/ Tổng dư nợ) x 100% + Larry D. Wall và Ifterkhar Hasan (2003). Tăng trưởng GDP (GDPG) GDPG = Tỷ lệ tăng trưởng GDP thực - Salas và Saurina (2002); Fofack (2005); Jimenez và Saurina (2006); Dash và Kabra (2010). Lạm phát (CPI)
Chỉ số giá tiêu dùng CPI + Fofack và Hippolyte (2005); Hoggarth và các cộng sự (2005) Tỷ lệ thất
nghiệp (UEP)
Tỷ lệ thất nghiệp tự nhiên + Lawrence (1995); Baloucer và Jancar (2005).
4.2. Phƣơng pháp nghiên cứu
Phương pháp nghiên cứu được thực hiện trong bài nghiên cứu là hồi quy phân tích dữ liệu bảng (Panel data). Nghiên cứu sử dụng thống kê mơ tả để phân tích sơ bộ thơng tin cơ bản từ mẫu. Sau đó thực hiện kiểm định (F-test, Hausman, …) để lựa chọn mơ hình hồi quy phù hợp cho biến phụ thuộc: mơ hình hồi quy gộp Pooled OLS (POOL), mơ hình hồi quy các nhân tố tác động cố định (FEM) hay mơ hình hồi quy các nhân tố tác động ngẫu nhiên (REM).
Một số kiểm định đƣợc thực hiện trƣớc khi tiến hành chạy hồi quy
Lựa chọn mơ hình
Để lựa chọn giữa mơ hình Pooled OLS và mơ hình FEM, tác giả thực hiện kiểm định F-test với giả thuyết:
Giả thuyết H0: Lựa chọn mơ hình Pooled OLS Giả thuyết H1: Lựa chọn mơ hình FEM
Để lựa chọn giữa mơ hình FEM và mơ hình REM, tác giả sử dụng kiểm định Hausman với giả thuyết:
Giả thuyết H0: Lựa chọn mơ hình REM Giả thuyết H1: Lựa chọn mơ hình FEM
Kiểm tra khuyết tật của mơ hình được thực hiện sau khi đã lựa chọn được mơ hình phù hợp. Cụ thể:
Dùng kiểm định Wald để kiểm định phương sai thay đổi với giả thuyết sau: Giả thuyết H0: Khơng có hiện tượng phương sai thay đổi
Giả thuyết H1: Có hiện tượng phương sai thay đổi
Dùng kiểm định Wooldrige để kiểm định tự tương quan chuỗi, với giả thuyết: Giả thuyết H0: Khơng có hiện tượng tự tương quan chuỗi giữa các phần dư Giả thuyết H1: Có hiện tượng tự tương quan giữa các phần dư
Dùng hệ số phóng đại VIF để kiểm định đa cộng tuyến: đa cộng tuyến trong mô hình được đo lường thơng qua hệ số VIF. Nếu VIF nhỏ hơn 5 mơ hình được cho là khơng có hiện tượng đa cộng tuyến. Trong trường hợp ngược lại, VIF lớn hơn 5 mơ hình được cho là có hiện tượng đa cộng tuyến.
Khắc phục các khuyết tật
Nếu mơ hình được chọn có hiện tượng phương sai thay đổi, hoặc hiện tượng tự tương quan chuỗi hoặc cả phương sai thay đổi và tự tương quan chuỗi, tác giả sử dùng phương pháp bình phương tối thiểu tổng quát khả thi (Feasible Generalized Least Squares - FGLS) để khắc phục. Đây là phương pháp ước lượng được sử dụng để khắc phục hiện tượng phương sai thay đổi, hiện tượng tự tương quan chuỗi trong mơ hình. Các ước lượng thu được từ phương pháp bình phương tối thiểu tổng quát khả thi (FGLS) là các ước lượng không chệnh tốt nhất. Cụ thể, phương pháp FGLS sẽ ước tính mơ hình theo phương pháp OLS (ngay cả trong trường hợp có sự tồn tại của hiện tượng tự tương quan và phương sai thay đổi). Các sai số được rút ra từ mơ hình sẽ được dùng để ước tính ma trận phương sai - hiệp phương sai của sai số. Cuối cùng, sử dụng ma trận này để chuyển đổi các biến ban đầu và ước tính giá trị các tham số cần tìm trong trong mơ hình.
Đối với hiện tượng đa cộng tuyến dùng các phương pháp sau: Dùng thông tin tiên nghiệm, loại trừ một biến giải thích ra khỏi mơ hình, bổ sung thêm dữ liệu hoặc chọn mẫu mới, dùng sai phân cấp 1, đổi biến, …
4.3. Thảo luận kết quả nghiên cứu
Trước hết, tác giả thực hiện phân tích thống kê mơ tả, sau đó thực hiện phân tích tương quan giữa các biến trong mơ hình và cuối cùng là phân tích kết quả hồi quy.
4.3.1. Thống kê mô tả các biến quan sát
Sau khi thu thập số liệu từ BCTC có kiểm toán của các ngân hàng trong giai đoạn từ 2008 – 2015, tác giả sử dụng phần mềm Stata 12 để thực hiện thống kê mơ tả mẫu dữ liệu. Phân tích mẫu thống kê mơ tả cho thấy được giá trị trung bình, giá trị lớn nhất, giá trị nhỏ nhất và độ lệch chuẩn của các biến trong mơ hình. Kết quả thống kê mơ tả được trình bày trong bảng 4.3 dưới đây.
Bảng 4.3: Thống kê mô tả các biến quan sát trong mơ hình