3 .2Tiền gửi khách hàng tại các NHTMCP niêm yếtở Việt Nam
4.5 Kết quả nghiên cứu
4.5.5.3 Kết quả kiểm định Hausman Test
Để lựa chọn mơ hình hồi quy nào thích hợp hơn trong hai mơ hình hồi quy là REM và FEM, ta thực hiện kiểm định Hausman Test.
Bảng 4.7: Kết quả kiểm định Hausman Test
(Nguồn: Kết quả xử lý dữ liệu từ Eviews)
Thông qua kiểm định Hausman Test, ta thấy Prob = 0.0599 > 0.05 hay mơ hình REM là phù hợp hơn mơ hình FEM.
4.5.5.4 Kiểm định hiện tượng tự tương quan trong mơ hình
Hệ số Durbin - Watson stat trong mơ hình hồi quy REM là 2.026413, nằm trong khoảng giá trị từ 1 đến 3 nên có thể cho rằng hiện tượng tự tương quan giữa các
Correlated Random Effects - Hausman Test Equation: Untitled
Test cross-section random effects
Test Summary
Chi-Sq.
Statistic Chi-Sq. d.f. Prob. Cross-section random 15.171452 8 0.0559 ** WARNING: estimated cross-section random effects variance is zero.
4.5.5.5 Kết quả kiểm định hiện tượng đa cộng tuyến
Hệ số tương quan giữa các cặp biến trong mơ hình đều khơng q lớn nên kỳ vọng khơng có hiện tượng đa cộng tuyến xảy ra giữa các biến giải thích. Nhưng mơ hình hồi quy cho thấy có một vài biến có dấu trái ngược với kỳ vọng và khơng có ý nghĩa thống kê nên chúng ta vẫn phải thực hiện kiểm định đa cộng tuyến.
Một trong những phương pháp được sử dụng để kiểm tra hiện tượng đa cộng tuyến giữa các biến độc lập là nhân tử phóng đại phương sai (VIF) và được tính thơng qua phương trình sau:
VIF = 1/(1-R2)
Bảng 4.8 : Kiểm định hiện tượng đa cộng tuyến bằng hệ số VIF
Coefficient Uncentered Centered
Variable Variance VIF VIF
C 0.000526 237.7157 NA GDPD 0.069938 119.6079 1.319964 UN 0.050336 34.45440 2.516611 INF 0.000976 6.566297 1.819733 LLP_TL 0.063451 7.613498 2.029055 LOAN_TS 0.000260 35.88876 1.295965 INEF 0.000188 20.03550 2.124849 NPLRT_1 0.003107 2.723854 1.868280 ROE 0.000640 7.604264 1.869351
(Nguồn: Kết quả xử lý dữ liệu từ Eviews)
Nhìn vào hệ số VIF trong cột Centered VIF, ta thấy hệ số VIF của tất cả các biến giải thích đều nhỏ hơn 10, tức không tồn tại vấn đề đa cộng tuyến trong mô hình.
4.5.5.6 Kết quả kiểm định bỏ bớt biến trong mơ hình hồi quy
Theo kết quả hồi quy dữ liệu bằng mơ hình REM, ta thấy tồn tại biến thiếu hiệu quả về mặt chi phí (INEF) khơng có tác động đáng kể đến tỷ lệ nợ xấu, hơn nữa lại khơng có ý nghĩa thống kê và biến tỷ lệ lạm phát cũng khơng có ý nghĩa thống kê (ở mức 10%). Nhưng cũng đồng thời không tồn tại hiện tượng đa cộng tuyến giữa các biến quan sát. Vậy có khả năng mơ hình nghiên cứu đã sử dụng thừa biến giải thích.
Bảng 4.9 : Kiểm định bỏ bớt biến trong mơ hình hồi quy
Variable Coefficient Std. Error t-Statistic Prob.*
C 0.068311 0.020262 3.371420 0.0011 LLP_TL 0.948869 0.251791 3.768480 0.0003 ROE -0.087985 0.023411 -3.758270 0.0003 LOAN_TS -0.033067 0.016841 -1.963400 0.0530 NPLRT_1 0.118528 0.057788 2.051096 0.0435 GDPD -0.688246 0.274620 -2.506175 0.0142 UN 0.358323 0.227243 1.576829 0.1187 INF -0.036316 0.032744 -1.109102 0.2706
R-squared 0.477297 Mean dependent var 0.021705
Adjusted R-squared 0.432676 S.D. dependent var 0.019704
S.E. of regression 0.014841 Akaike info criterion -5.498177
Sum squared resid 0.018061 Schwarz criterion -5.275972
Log likelihood 255.4180 Hannan-Quinn criter. -5.408571
F-statistic 10.69668 Durbin-Watson stat 2.025528
Prob(F-statistic) 0.000000
Selection Summary Added LLP_TL
Added LOAN_TS Added NPLRT_1 Added GDPD Added UN Added INF
*Note: p-values and subsequent tests do not account for stepwise
Selection (Nguồn: kết quả hồi quEviews)
Dựa vào bảng 4.9, ta thấy mơ hình hồi quy đã sử dụng dư biến thiếu hiệu quả về mặt chi phí (INEF).
4.5.5.7 Kết quả hồi quy dữ liệu sau khi bỏ bớt biến giải thích thiếu hiệu quả về mặt chi phí INEF
Bảng 4.10: Kết quả hồi quy dữ liệu sau khi bỏ bớt biến INEF
Variable Coefficient Std. Error t-Statistic Prob.
C 0.068311 0.019161 3.565175 0.0006 GDPD -0.688246 0.259696 -2.650205 0.0097 UN 0.358323 0.214893 1.667449 0.0992 INF -0.036316 0.030964 -1.172842 0.2443 LLP_TL 0.948869 0.238107 3.985053 0.0001 LOAN_TS -0.033067 0.015926 -2.076236 0.0410 NPLRT_1 0.118528 0.054647 2.168972 0.0330 ROE -0.087985 0.022139 -3.974257 0.0002 Effects Specification S.D. Rho Cross-section random 0.000000 0.0000 Idiosyncratic random 0.014034 1.0000 Weighted Statistics
R-squared 0.477297 Mean dependent var 0.021705
Adjusted R-squared 0.432676 S.D. dependent var 0.019704
S.E. of regression 0.014841 Sum squared resid 0.018061
F-statistic 10.69668 Durbin-Watson stat 2.025528
Prob(F-statistic) 0.000000
(Nguồn: kết quả hồi quy từ Eviews)
4.5.5.8 Kết quả kiểm định hiện tượng đa cộng tuyến, tự tương quan trong mơ hình hồi quy sau khi bỏ bớt biến thiếu hiệu quả về mặt chi phí INEF
Bảng 4.11: Kết quả kiểm định hiện tượng đa cộng tuyến trong mơ hình hồi quy khơng có biến INEF
Coefficient Uncentered Centered Variable Variance VIF VIF
C 0.000367 167.7555 NA GDPD 0.067442 116.5583 1.286309 UN 0.046179 31.94324 2.333191 INF 0.000959 6.516322 1.805884 LLP_TL 0.056695 6.874700 1.832159 LOAN_TS 0.000254 35.43759 1.279673 NPLRT_1 0.002986 2.645526 1.814555 ROE 0.000490 5.880983 1.445718
(Nguồn : Kết quả xử lý dữ liệu từ Eviews)
Dựa vào cột Centered VIF trong bảng 4.11 ta thấy hệ số VIF của các biến nghiên cứu đều nhỏ hơn 10, hay mơ hình hồi quy khơng đặt thành vấn đề đa cộng tuyến giữa các biến quan sát.
Theo bảng 4.10, hệ số Durbin – Watson là 2.025528, tức nằm trong khoảng từ 1 đến 3. Vậy mơ hình hồi quy sau khi loại trừ biến INEF không xảy ra hiện tượng tự tương quan.
4.5.5.9 Phân tích ý nghĩa của các hệ số hồi quy của các biến có tác động đến nợ xấu tại các NHTMCP niêm yết ở Việt Nam
Phương trình hồi quy:
NPLR = 0.068311-0.688246***GDPD + 0.358323*UN – 0.036316INF + 0.948869***LLP_TL – 0.033067**LOAN_TS + 0.118528**NPLRt-1 – 0.087985***ROE + €i,t.
(***,**,* : tương ứng mức ý nghĩa 1%, 5% và 10%)
Biến tốc độ tăng trưởng kinh tế: tồn tại mối quan hệ nghịch biến với tỷ lệ nợ
xấu của các ngân hàng trong giai đoạn nghiên cứu ở mức ý nghĩa 1%. Kết quả này cũng phù hợp với lý thuyết và nghiên cứu của Louzis (2012) hay Vouldis and Metaxas (2011). Kết quả hồi quy cho thấy khi tốc độ tăng trưởng kinh tế tăng 1% thì tỷ lệ nợ xấu trên tổng dư nợ của chín NHTMCP niêm yết giảm trung bình 0.688% trong điều kiện các yếu tố khác không đổi. Kết quả nghiên cứu tác giả phản ánh đúng thực tế của hệ thống NHTMVN trong thời gian qua, đặc biệt là giai đoạn 2011- 2012, nền kinh tế tăng trưởng chậm và đối mặt với nhiều thách thức, mặt bằng lãi suất tăng cao, sản xuất kinh doanh gặp nhiều khó khăn… thì tỷ lệ nợ xấu tăng trong giai đoạn này. Có thể nói khi nền kinh tế tăng trưởng và phát triển, các doanh nghiệp trong nền kinh tế hoạt động có hiệu quả, các cá nhân và doanh nghiệp có khả năng trả nợ tốt hơn nên tỷ lệ nợ xấu giảm. Ngược lại, khi nền kinh tế suy thoái, việc trả nợ của cá nhân và doanh nghiệp khó khăn, dẫn đến nợ xấu tăng cao.
Biến tỷ lệ thất nghiệp (UN) có tác động tích cực đến tỷ lệ nợ xấu ở mức ý
Khi các yếu tố khác không đổi, nếu tỷ lệ thất nghiệp tăng 1% làm cho tỷ lệ nợ xấu tăng lên trung bình 0.358%. Tỷ lệ thất nghiệp gia tăng một phần khiến cho nguồn thu của người lao động suy giảm. Tỷ lệ thất nghiệp tăng cao cho thấy nền kinh tế gặp khó khăn, doanh nghiệp sản xuất điêu đứng, người lao động mất việc làm, mất nguồn thu trang trải khoản vay, doanh nghiệp không bán được hàng, dẫn đến tỷ lệ nợ xấu gia tăng.
Biến tỷ lệ lạm phát (INF) có tác động nghịch chiều với tỷ lệ nợ xấu hiện tại.
Nếu ta cố định các yếu tố khác, tỷ lệ lạm phát tăng 1% thì tỷ lệ nợ xấu giảm trung bình 0.036%. Điều này trái ngược với lý thuyết và nghiên cứu của Chaibi (2014), nhưng ủng hộ cho nghiên cứu của Shu (2002). Sự khác biệt này có thể được lý giải như sau: Khi tỷ lệ lạm phát tăng thì đồng tiền mất giá, hay giá trị khoản nợ thực chất là nhỏ hơn lúc trước, khách hàng thanh toán khoản nợ của mình có thể tăng lên, tức tỷ lệ nợ xấu giảm. Tuy nhiên, kết quả kiểm định khơng có ý nghĩa thống kê ở mức 10%.
Biến tỷ lệ dự phòng rủi ro cho vay trên tổng dư nợ cho vay khách hàng có tác
động rất tích cực, mạnh đến tỷ lệ nợ xấu ở hiện tại và có ý nghĩa thống kê ở mức 1% ( Pro là 0.0001). Kết quả này khá phù hợp với lý thuyết kỳ vọng. Đây cũng là kết quả nghiên cứu bởi Chaibi(2014) hay Hasan and Wall (2004), trái ngược kết quả tìm thấy bởi Boudriga etal(2009). Khi nợ xấu có dấu hiệu gia tăng, các ngân hàng tăng cường trích lập dự phịng rủi ro tín dụng để đảm bảo tính thanh khoản cho ngân hàng và chủ động trong việc xử lý rủi ro. Kết quả hồi quy cho thấy: khi tỷ lệ trích lập dự phịng rủi ro tín dụng tăng lên 1% thì tỷ lệ nợ xấu tăng trung bình 0.9489% nếu cố định các yếu tố khác.
Biến tỷ lệ nợ xấu năm trước có tác động cùng chiều đến tỷ lệ nợ xấu năm sau
của các NHTMCP niêm yết ở mức ý nghĩa 5%. Đây cũng trùng khớp với nghiên cứu của Chaibi (2014). Với số nợ xấu của năm trước thì ngân hàng cũng khơng thể nào xử lý hết trong năm tài chính đó mà số dư nợ xấu vẫn còn nằm đâu đó trong
từ Eviews cho thấy trong điều kiện các yếu tố khác không đổi, tỷ lệ nợ xấu năm trước tăng thêm hơn 1% thì làm cho tỷ lệ nợ xấu năm sau tăng lên trung bình khoảng 0.12%.
Biến lợi nhuận trên vốn chủ sở hữu (ROE) có tác động trái chiều đến tỷ lệ nợ
xấu ở mức ý nghĩa 1%. Khi các yếu tố khác khơng đổi nếu ROE tăng 1% thì tỷ lệ nợ xấu giảm trung bình khoảng 0.088%. Đây là điều trùng khớp với nghiên cứu của Chaibi (2014), Abid (2014) hay Louzis (2012). Thực tế cho thấy, những ngân hàng nào kinh doanh tốt, kiểm sốt tốt chi phí hoạt động kinh doanh, kiểm sốt nợ xấu nghiêm ngặt thì tỷ suất lợi nhuận cao và tỷ lệ nợ xấu giảm. Năm 2008, nền kinh tế Việt Nam vừa phải đối mặt với diễn biến phức tạp của nền kinh tế thế giới vừa đối mặt với vơ vàn khó khăn nội tại: lạm phát trên đà tăng cao, thâm hụt thương mại, tình trạng bong bóng BĐS, sản xuất kinh doanh của các doanh nghiệp lâm vào tình trạng khó khăn…Do đó, ngành ngân hàng cũng khó khăn khơng kém, lợi nhuận rịng giảm sút, chỉ số ROE trung bình của các NHTMCP niêm yết giảm từ 15.36% năm 2007 chỉ còn 14.67% ở năm 2008, cùng với đó là nợ xấu có chiều hướng gia tăng từ mức 2.15% năm 2007 lên 2.7% năm 2008. Đặc biệt hơn là giai đoạn 2011- 2013, giá vàng biến động, giá dầu thô, giá nguyên liệu tăng… sản xuất kinh doanh gặp khó khăn, Chính phủ áp dụng chính sách nhằm ổn định kinh tế vĩ mô. Hoạt động kinh doanh của các ngân hàng ít nhiều cũng bị ảnh hưởng, chỉ số ROE trung bình của các NHTMCP niêm yết suy giảm mạnh từ mức 17.23% vào năm 2011 xuống chỉ còn 13.02% năm 2012 và 10.42% năm 2013. Nhưng trái ngược lại là tỷ lệ nợ xấu gia tăng từ 1.56% năm 2011 vượt lên 2.15% năm 2013.
Biến tỷ lệ cho vay trên tổng tài sản có tác động ngược chiều đến tỷ lệ nợ xấu.
Theo kết quả kiểm định thì nếu tỷ lệ cho vay trên tổng tài sản tăng lên 10% thì tỷ lệ nợ xấu giảm đi trung bình 0.33% . Điều này trái ngược với kỳ vọng của tác giả cũng như nghiên cứu của Sukri Shnal all (2009). Kết quả ngược chiều này có thể do hạn chế của tác giả trong việc chọn cỡ mẫu quá nhỏ chỉ 90 quan sát. Trên thực tế: tỷ lệ cho vay trên tổng tài sản đề cập đến sự chấp nhận, mạo hiểm với rủi ro của các ngân
hàng trong việc cho vay. Các ngân hàng cho vay nhiều để thực hiện mục tiêu tăng trưởng tín dụng, khi nền kinh tế khó khăn như thời gian qua thì nợ xấu tăng cao là điều tất yếu.
CHƯƠNG 5: GIẢI PHÁP, KIẾN NGHỊ NHẰM HẠN CHẾ NỢ XẤU GIA TĂNG TẠI CÁC NHTMCP NIÊM YẾT TẠI VIỆT NAM
Luận văn này nhằm kiểm tra một số nhân tố được kỳ vọng tác động đến nợ xấu tại các NHTMCP niêm yết ở Việt Nam trong giai đoạn 2006-2015. Tác giả nhận thấy các yếu tố kinh tế vĩ mô, đăc biệt là tốc độ tăng trưởng kinh tế, tỷ lệ thất nghiệp có tác động mạnh đến nợ xấu và biến tỷ lệ lạm phát tác động đến nợ xấu không như kỳ vọng của tác giả cũng như phần lớn kết quả của các nghiên cứu đã được cơng bố trước đây. Thêm vào đó, các biến đặc thù của ngành ngân hàng cũng làm tăng thêm sức mạnh trong việc giải thích nợ xấu, chẳng hạn biến tỷ lệ dự phịng rủi ro tín dụng trên tổng dư nợ cho vay, biến tỷ lệ lợi nhuận sau thuế trên vốn chủ sở hữu hay tỷ lệ nợ xấu năm trước có tác động đến nợ xấu, chú ý hơn cả là biến tỷ lệ dự phịng rủi ro tín dụng trên tổng dư nợ cho vay khách hàng có tác động mạnh đến nợ xấu (hệ số hồi quy riêng là 0.948869, ở mức ý nghĩa 1%). Cuối cùng là biến tỷ lệ cho vay trên tổng dư nợ có tác động trái chiều đến nợ xấu, điều này trái với kỳ vọng của tác giả và các nghiên cứu đi trước.
Trước thực trạng nợ xấu của các NHTMCP niêm yết tại Việt Nam trong thời gian qua, các nguyên nhân chính yếu khiến tình trạng nợ xấu gia tăng và những khó khăn trong việc xử lý nợ xấu, tác giả xin đưa ra vài giải pháp, kiến nghị nhằm phần nào đóng góp cho việc hạn chế nợ xấu gia tăng trong thời gian tới như sau:
5.1 Các ngân hàng thương mại cần thực hiện nghiêm cơng tác trích lập dự phịng rủi ro tín dụng
Theo kết quả nghiên cứu thì tỷ lệ dự phịng rủi ro tín dụng có tác động cùng chiều đến tỷ lệ nợ xấu, nên các NHTM cần xác định số thực về quy mô nợ xấu hiện tại, từ số liệu này ta có thể áp dụng các giải pháp cụ thể, chủ động sử dụng dự phòng xử lý rủi ro tín dụng. Bên cạnh đó, các ngân hàng cần thực hiện nghiêm túc việc trích lập dự phòng rủi ro theo nguyên tắc tính đúng và đủ. Việc trích lập dự phịng rủi ro sẽ làm tăng chi phí của ngân hàng, ảnh hưởng đến lợi nhuận và giá trị
cổ phiếu của họ trên thị trường. Hơn nữa, các ngân hàng thường mong muốn làm “đẹp” báo cáo tài chính của họ, nên đã che đậy, phản ánh thiếu trung thực thực trạng nợ xấu, kết quả là khoản trích lập dự phịng rủi ro được bóp méo. Việc trích lập dự phịng rủi ro tín dụng giúp cho các ngân hàng kịp thời ứng phó khi rủi ro xảy ra; giúp cho ngân hàng đảm bảo được tính thanh khoản. Do đó, vì sự an tồn trong hoạt động ngân hàng, các ngân hàng nên hy sinh một phần lợi nhuận để thực hiện việc trích lập dự phịng rủi ro tín dụng đầy đủ.
Để quản lý được việc trích lập dự phịng rủi ro tín dụng của các NHTM thì NHNN phải có biện pháp xử lý thật nghiêm đối với các ngân hàng không báo cáo trung thực tình hình nợ xấu của ngân hàng mình.
5.2 Chuyển nợ thành vốn góp tại doanh nghiệp vay vốn
Trải qua bốn năm kể từ khi nợ xấu và xử lý nợ xấu được đặt ra một cách rất rỏ ràng và bức thiết, giải pháp chính yếu được sử dụng để xử lý nợ xấu là trích lập dự phịng rủi ro tín dụng tại mỗi ngân hàng và bán nợ cho VAMC. Vốn của VAMC rất hạn chế (2,000 tỷVNĐ vào năm 2015), nhưng “cục máu đông” của nền kinh tế ngày càng phình to và vượt xa so với nguồn vốn của VAMC. Mặt khác, lượng lớn nợ xấu mà VAMC đã mua từ các ngân hàng vẫn chưa xử lý xong. Các ngân hàng rất e dè trong việc tăng cường trích lập dự phịng rủi ro tín dụng. Do đó, việc xử lý nợ xấu triệt để trong thời gian ngắn thơng qua haigiải pháp trên là điều khó có thể khả thi.
Nếu xử lý nợ xấu thơng qua hình thức ngân hàng chuyển nợ xấu thành vốn góp tại doanh nghiệp vay vốn, ngân hàng gắn trực tiếp trách nhiệm và lợi ích tái cơ cấu để phục hồi doanh nghiệp đó, tăng khả năng thu hồi nợ. Chính sách này sẽ giúp công ty giảm địn bẫy tài chính, giảm chi phí trả lãi, ngồi ra nó giúp ngân hàng giảm tỷ lệ nợ xấu và giảm số tiền mặt phải dự phòng rủi ro. Một yêu cầu quan trọng