Các biến trong mơ hình và mối tương quan mong đợi

Một phần của tài liệu (LUẬN văn THẠC sĩ) kênh cho vay ngân hàng và truyền dẫn chính sách tiền tệ tại việt nam (Trang 35 - 42)

Biến Kỳ vọng

về dấu Giải thích

∆ln(loans)i,t – 1 +

Tăng trưởng tín dụng năm trước tạo quán tính làm tăng trưởng tín dụng năm sau (Altunbas và cộng sự, 2009)

∆GDPt – j +

Kinh tế tăng trưởng sẽ làm tăng nhu cầu tín dụng, dẫn đến cung tín dụng gia tăng (Kashyap và cộng sự, 1993)

∆CPIt – j + Giá cả gia tăng sẽ làm tăng nhu cầu tín dụng, dẫn đến cung tín dụng gia tăng (Benkovskis, 2008)

∆Ratet – j - Lãi suất tăng sẽ hạn chế tăng trưởng tín dụng (Bernanke và Gertler, 1995)

Sizei,t – 1 +/-

Ngân hàng thương mại có quy mơ càng lớn, có thể tăng trưởng tín dụng cao hơn hoặc thấp hơn (Kashyap và Stein, 1995)

Liqi,t – 1 + Thanh khoản ngân hàng năm trước càng lớn, sẽ giúp mở rộng tín dụng năm sau (Stein, 1998)

Capi,t – 1 + Vốn hóa ngân hàng năm trước càng lớn, sẽ giúp mở rộng tín dụng năm sau (Van den Heuvel, 2002)

Sizei,t – 1∆Ratet – j +

Các ngân hàng có quy mơ càng nhỏ thì càng nhạy cảm đối với những thay đổi trong chính sách tiền tệ (Kashyap và Stein, 2000)

Liqi,t – 1∆Ratet – j +

Các ngân hàng càng kém thanh khoản thì càng nhạy cảm đối với những thay đổi trong chính sách tiền tệ (Ehrmann và cộng sự, 2003)

Capi,t – 1∆Ratet – j +

Các ngân hàng có vốn hóa càng thấp thì càng nhạy cảm đối với những thay đổi trong chính sách tiền tệ (Kishan và Opiela, 2006)

Nguồn: Tổng hợp từ các nghiên cứu trước đây

3.2. Phương pháp nghiên cứu

Mơ hình (3.1) được sử dụng trong bài nghiên cứu là một mơ hình bảng động (Dynamic Panel Model). Do tính động của mơ hình, nếu ước lượng mơ hình bằng các phương pháp OLS, FEM hay REM, thì dù thừa nhận hay không thừa nhận mối tương quan giữa tác động riêng biệt αi (của từng ngân hàng, không đổi theo thời gian) và biến độc lập, thì kết quả ước lượng vẫn bị chệch và khơng vững vì ở mơ hình (3.1) cịn xuất hiện thêm mối tương quan giữa sai số εi,t và biến trễ của biến phụ thuộc Δln(loans)i,t – 1 (được sử dụng như biến độc lập) chưa được xử lý, gây thêm vấn đề nội sinh cho mơ hình (Nickell, 1981).

Nhằm khắc phục các tồn tại này, Arellano và Bond (1991) đề nghị giải pháp dùng mơ hình GMM sai phân (Difference Generalized Method of Moments – DGMM), tức là ước lượng mơ hình (3.1) dưới dạng sai phân bậc nhất và sử dụng độ trễ của biến phụ thuộc và của các biến độc lập bị nội sinh như các biến công cụ (instrumental variables). Bằng sự chuyển hóa các biến hồi quy sang sai phân bậc nhất thì tác động riêng biệt αi đã bị loại, đồng thời việc sử dụng các độ trễ của biến phụ

thuộc và của các biến độc lập bị nội sinh như các biến công cụ cho phép tạo ra những điều kiện trực giao (orthogonal conditions) giữa sai số εi,t và các biến giải thích (bao gồm cả biến trễ của biến phụ thuộc Δln(loans)i,t – 1), tức loại bỏ được sự tương quan giữa chúng nhằm giải quyết vấn đề nội sinh tiềm ẩn.

Tuy nhiên, Blundell và Bond (1998) cho rằng khi biến phụ thuộc có mối tương quan cao giữa giá trị hiện tại và giá trị ở thời kỳ trước đó, và số thời kỳ là khơng q dài, thì mơ hình GMM (1991) là khơng hiệu quả, các biến cơng cụ sử dụng được đánh giá là không đủ mạnh. Blundell và Bond (1998) đã mở rộng mơ hình GMM (1991) với việc xem xét đồng thời hệ thống hai mơ hình – mơ hình cơ bản (Level Equation) và mơ hình sai phân (First – Difference Equation) – gọi chung là mơ hình GMM hệ thống (System Generalized Method of Moments – SGMM). Đối với mơ hình cơ bản, sẽ sử dụng biến công cụ là các biến trễ của sai phân bậc nhất các biến giải thích, đối với mơ hình sai phân, sẽ sử dụng biến cơng cụ là các biến trễ của các biến giải thích (biến giải thích bao gồm cả biến trễ của biến phụ thuộc Δln(loans)i,t – 1).

Ngoài vấn đề nội sinh được gây ra bởi biến trễ của biến phụ thuộc ở vế bên phải của phương trình (3.1), cịn có một vấn đề nội sinh khác xuất hiện, vì tín dụng ngân hàng có thể bị tương quan mạnh với các khoản mục khác trong bảng cân đối và do đó cũng bị tương quan mạnh với các đặc điểm đặc trưng ngân hàng (Benkovskis, 2008). Trong khi đó, chúng tơi giả định rằng chỉ số chính sách tiền tệ, tăng trưởng sản lượng, và tăng trưởng giá cả độc lập với tăng trưởng tín dụng ngân hàng riêng lẻ. Trong thực tế, tăng trưởng tín dụng của các ngân hàng lớn nhất vẫn có thể có một số ảnh hưởng đến các biến kinh tế vĩ mô trong nước. Tuy nhiên, việc giả định các biến kinh tế vĩ mô trong nước như là các biến ngoại sinh ngặt (strictly exogenous) không làm thay đổi đáng kể đến các kết quả nghiên cứu (Benkovskis, 2008).

Để giải thích tính chất tự hồi quy và khắc phục hiện tượng nội sinh của mơ hình (3.1), bao gồm sự nội sinh của biến trễ biến phụ thuộc và sự nội sinh có thể tồn tại của các biến đặc điểm đặc trưng ngân hàng, phương pháp GMM hệ thống (SGMM, 1998) được sử dụng trong bài nghiên cứu của chúng tôi. Bên cạnh việc xử lý tốt vấn đề nội sinh bằng các biến cơng cụ, phương pháp SGMM cịn phù hợp với các dữ liệu

bảng với chuỗi thời gian T ngắn và số lượng doanh nghiệp N nhiều. Trong bài nghiên cứu này, chúng tôi sử dụng dữ liệu bảng với thời gian ngắn chỉ 10 năm nhưng số lượng ngân hàng tương đối nhiều. Do đó, việc sử dụng phương pháp SGMM cũng phù hợp với nghiên cứu của chúng tôi về mặt dữ liệu.

Một vấn đề quan trọng khác đó là lựa chọn giữa ước lượng SGMM 1 bước và 2 bước. Sự khác biệt giữa hai ước lượng này cốt ở đặc trưng của một ma trận trọng số riêng lẻ, ước lượng 2 bước sử dụng phần dư của ước lượng 1 bước nên đạt hiệu quả cao hơn. Tuy nhiên, Benkovskis (2008) khuyến nghị rằng sai số chuẩn của ước lượng 2 bước có xu hướng bị chệch xuống trong các mẫu nhỏ, do đó, các kết quả của ước lượng 1 bước sẽ được sử dụng trong bài nghiên cứu của chúng tôi.

Các ước lượng trong bài nghiên cứu được thực hiện bằng phần mềm Stata 12, sử dụng lệnh xtabond2 được giới thiệu bởi Roodman (2009) với tùy chọn robust. Tùy chọn robust được sử dụng khi phần dư của mơ hình có phương sai thay đổi. Thông thường các phần dư trong GMM sẽ tồn tại vấn đề HAC (phương sai phần dư thay đổi và tự tương quan) nên sử dụng robust là phù hợp. Tùy chọn robust sẽ ước lượng với giá trị thực của ma trận hiệp phương sai của các tham số. Các sai số thực của hệ số ước lượng sẽ được tính tốn, theo đó, gia tăng tính tin cậy của hệ số ước lượng.

Mơ hình SGMM (1998) chỉ được xem là phù hợp khi thỏa hai điều kiện. Thứ nhất, tồn tại các hạn chế về giới hạn xác định quá mức (overidentifying restrictions), tức nhằm xác định tính phù hợp của các biến cơng cụ, kiểm định sự không tồn tại mối tương quan giữa các biến công cụ và sai số. Thứ hai, không tồn tại hiện tượng tự tương quan bậc hai trong phần dư sai phân bậc nhất.

Để kiểm định tính phù hợp của SGMM, kiểm định Hansen (1982) về giới hạn xác định quá mức và kiểm định Arellano – Bond (1991) về hiện tượng tự tương quan được sử dụng. Đầu tiên, kiểm định Hansen (1982) về giới hạn xác định quá mức trong ước lượng SGMM là kiểm định chi bình phương về tính hợp lệ của biến cơng cụ. Biến công cụ tốt phải phù hợp và hợp lệ, tức là tương quan với các biến hồi quy nội sinh trong khi cùng lúc trực giao với phần dư (Baum và cộng sự, 2003). Giả thuyết H0 của kiểm định Hansen là: biến công cụ hợp lệ. Vì thế, giá trị p của thống kê Hansen

càng lớn càng tốt. Tiếp theo, kiểm định Arellano – Bond (1991) về hiện tượng tự tương quan trong phần dư AR(1) và AR(2), có giả thuyết H0 là: không tự tương quan và được áp dụng cho số dư sai phân. Kiểm định tiến trình AR(1) trong sai phân bậc 1 thường bác bỏ giả thuyết H0. Điều này bởi vì ∆εi,t = εi,t – εi,t – 1 và ∆εi,t – 1 = εi,t – 1 – εi,t – 2, cả hai đều có εi,t – 1. Cho nên kiểm định AR(2) quan trọng hơn bởi vì nó kiểm tra tự tương quan ở các cấp độ. Trong bài nghiên cứu này, vì phương pháp ước lượng bao gồm việc lấy sai phân bậc nhất, nên sẽ có sự hiện diện của tự tương quan bậc một, nhưng khơng được có tương quan bậc hai trong phần dư của phương trình sai phân bậc nhất. Vì thế, giá trị p của kiểm định Arellano – Bond cho AR(2) càng cao càng tốt.

3.3. Dữ liệu nghiên cứu

Nghiên cứu tiến hành ước lượng hồi quy dữ liệu bảng. Nguồn số liệu được thu thập từ báo cáo tài chính hợp nhất hàng năm đã được kiểm toán của 30 ngân hàng thương mại Việt Nam trong giai đoạn từ năm 2005 đến năm 20142. Trong đó, có 1 ngân hàng thương mại nhà nước, 4 ngân hàng có tỷ lệ sở hữu nhà nước lớn, và 25 ngân hàng thương mại cổ phần. Mẫu nghiên cứu không bao gồm các Ngân hàng Phát triển Việt Nam và Ngân hàng Chính sách Xã hội, vốn là các ngân hàng chuyên cấp tín dụng cho các đối tượng ưu tiên của chính phủ, do đó hoạt động tín dụng của các ngân hàng này ít bị ảnh hưởng bởi các quyết định chính sách tiền tệ. Các Ngân hàng Liên doanh, Ngân hàng Nước ngoài và Chi nhánh Ngân hàng Nước ngoài tại Việt Nam cũng khơng được đưa vào phân tích do hoạt động của nhóm ngân hàng này hiện nay vẫn cịn nhiều hạn chế3, hơn nữa số liệu của nhóm ngân hàng này cũng không được công bố rộng rãi.

Về việc lựa chọn số liệu từ báo cáo tài chính hợp nhất thay vì số liệu từ báo cáo tài chính riêng, chúng tơi cho rằng các báo cáo tài chính hợp nhất là cơ sở để xem xét

2 Xem Phụ lục C.1 về danh sách các ngân hàng trong mẫu nghiên cứu.

3 Tổng tài sản của các Ngân hàng Liên doanh và Ngân hàng Nước ngoài tại Việt Nam chỉ chiếm khoảng 11% trong tổng tài sản của toàn ngành theo số liệu thống kê của Ngân hàng Nhà nước vào ngày 31/07/2013.

hoạt động của các ngân hàng hiện đại. Lý do chính là ngày nay phần lớn các ngân hàng đều phát triển theo hướng tập đoàn đa ngành nghề, đa lĩnh vực nên các báo cáo tài chính riêng khơng thể phản ánh được tình hình tài chính cũng như tình hình kinh doanh thực sự của các ngân hàng này mà chỉ có báo cáo tài chính hợp nhất mới đáp ứng được các mục tiêu trên.

Do các hạn chế về mặt công bố và thu thập số liệu, cũng như giai đoạn từ năm 2005 đến năm 2014 là giai đoạn chứng kiến sự phát triển đầy thăng trầm của ngành ngân hàng Việt Nam, với giai đoạn đầu của thời kỳ nghiên cứu đánh dấu sự phát triển mạnh mẽ khi có hàng loạt ngân hàng mới gia nhập ngành, trong khi giai đoạn sau của thời kỳ nghiên cứu cho thấy sự chững lại với những dấu hiệu thoái trào khi hàng loạt các ngân hàng đứng trước các yêu cầu về cải cách, sáp nhập, hay rời khỏi ngành. Vì vậy, có một số ngân hàng khơng có đầy đủ dữ liệu trong giai đoạn khảo sát, nên dữ liệu nghiên cứu thu thập được là dữ liệu bảng không cân đối (unbalanced panel data) với 30 ngân hàng và 295 quan sát.

Số liệu về bảng cân đối của từng ngân hàng được thu thập từ trang web của các cơng ty chứng khốn cũng như của chính các ngân hàng đó. Các chỉ số được sử dụng để đo lường biến tăng trưởng tín dụng ngân hàng và các biến đặc điểm đặc trưng ngân hàng mà chúng tơi sử dụng trong mơ hình nghiên cứu là dữ liệu thứ cấp, được tính tốn từ các khoản mục trên bảng cân đối của từng ngân hàng riêng lẻ4. Trong đó, tín dụng ngân hàng được xác định như là tổng cho vay khách hàng và bao gồm cả các khoản nợ có vấn đề. Quy mơ của một ngân hàng được đo lường bằng tổng tài sản trên bảng cân đối của ngân hàng đó. Tài sản thanh khoản bao gồm tiền và các khoản tương đương tiền, tiền gửi tại Ngân hàng Nhà nước, tiền gửi tại và cho vay các tổ chức tín dụng khác, chứng khoán kinh doanh, chứng khốn đầu tư, các cơng cụ tài chính phái sinh và các tài sản tài chính khác. Nguồn vốn được định nghĩa như là tổng vốn và các quỹ (tương tự Matousek và Sarantis, 2009).

Như đã đề cập trong Phần 3.1, chỉ số chính sách tiền tệ trong mơ hình nghiên cứu của chúng tơi được đại diện bởi những thay đổi trong lãi suất điều hành ngắn hạn.

Về mặt lãi suất chính sách, tại Việt Nam có ba lãi suất chính: lãi suất bình qn liên ngân hàng (VNIBOR), lãi suất tái cấp vốn, và lãi suất tái chiết khấu. Tuy nhiên, cửa chiết khấu và vay tái cấp vốn tại Việt Nam hoạt động khơng nhiều và hiệu quả, trong khi đó hoạt động trên thị trường liên ngân hàng là kênh điều hành chính của Ngân hàng Nhà nước trong thực thi chính sách tiền tệ. Do đó, lãi suất bình qn liên ngân hàng thường được sử dụng như một chỉ số đại diện cho lãi suất của chính sách tiền tệ tại Việt Nam (Trầm Thị Xuân Hương và cộng sự, 2014). Các ngân hàng trung ương trên thế giới cũng sử dụng lãi suất bình quân liên ngân hàng làm lãi suất đại diện cho chính sách tiền tệ (Disyatat và Vongsinsirikul, 2003; Benkovskis, 2008). Trong bài nghiên cứu này, chúng tơi cũng sử dụng lãi suất bình quân liên ngân hàng kỳ hạn 3 tháng (VNIBOR 3M) như một chỉ số đại diện cho chính sách tiền tệ.

Thời kỳ mẫu kéo dài từ năm 2005 đến năm 2014. Đây dường như là một thời kỳ đủ dài bởi vì nó bao hàm tồn bộ chu kỳ của chính sách tiền tệ, tức là, các thời kỳ thắt chặt tiền tệ và nới lỏng tiền tệ (xem Hình 3.1).

Hình 3.1. Chỉ số chính sách tiền tệ Việt Nam giai đoạn 2005 – 2014

Nguồn: Trung tâm Dữ liệu Đại học Kinh tế Thành phố Hồ Chí Minh

0 2 4 6 8 10 12 14 16 18 -10 -8 -6 -4 -2 0 2 4 6 8 10 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014

Lãi suất bình quân liên ngân hàng kỳ hạn 3 tháng (%)

Có hai lý do để chúng tơi chọn năm 2005 làm mốc nghiên cứu. Thứ nhất, năm 2005 là năm có một số văn bản pháp luật quan trọng ra đời, làm tiền đề cho việc quản lý, điều hành và hoạt động đã chi phối không nhỏ đến hoạt động kinh doanh của các doanh nghiệp cũng như các tổ chức hoạt động trong lĩnh vực tín dụng như Luật Doanh nghiệp, Luật Cạnh tranh,… Thứ hai, vì tính sẵn có của dữ liệu và u cầu của các biến trong mơ hình nghiên cứu.

Số liệu về lãi suất bình quân liên ngân hàng và tình hình kinh tế vĩ mơ hàng năm (tăng trưởng sản lượng thực GDP và lạm phát CPI) trong thời kỳ từ năm 2005 đến năm 2014 được thu thập từ Trung tâm Dữ liệu Đại học Kinh tế Thành phố Hồ Chí Minh5. Số liệu được thu thập và sắp xếp theo dữ liệu bảng.

Cấu trúc dữ liệu bảng được kết hợp từ hai thành phần: thành phần dữ liệu chéo và thành phần dữ liệu thời gian. Dữ liệu bảng hiện nay được khai thác và sử dụng phổ biến, vì nó khắc phục việc ít dữ liệu, khắc phục nhược điểm của dữ liệu thời gian, dữ liệu chéo, và quan trọng đặc điểm dữ liệu dạng bảng thể hiện tính đa dạng và phong phú, giúp kết quả ước lượng có độ tin cậy cao.

Một phần của tài liệu (LUẬN văn THẠC sĩ) kênh cho vay ngân hàng và truyền dẫn chính sách tiền tệ tại việt nam (Trang 35 - 42)

Tải bản đầy đủ (PDF)

(126 trang)