6. Kết cấu luận văn
1.2. Các phương pháp đánh giá hiệu quả HĐKD của các NHTM
1.2.3.1. Các cách tiếp cận hiệu quả biên
Cách tiếp cận tham số: Cách tiếp cận này đòi hỏi phải chỉ định một dạng hàm cụ thể đối với đường biên hiệu quả và có chỉ định của phân phối phi hiệu quả hoặc sai số ngẫu nhiên. Tuy nhiên, nếu việc chỉ định dạng hàm sai thì kết quả tính tốn sẽ ảnh hưởng đến các chỉ số hiệu quả. Tiêu biểu là kỹ thuật phân tích biến ngẫu nhiên (SFA) – cách tiếp cận tham số bao gồm việc ước lượng hiệu quả kỹ thuật và ước lượng hiệu quả chi phí.
Cách tiếp cận phi tham số: không yêu cầu đưa ra dạng hàm cụ thể, cũng khơng địi
hỏi các ràng buộc về hình dáng của đường biên thực hiện tốt nhất. Phương pháp thường được sử dụng trong cách tiếp cận này là phương pháp phân tích bao dữ liệu (DEA).
1.2.3.2. Phƣơng pháp phân tích bao dữ liệu (DEA) Giới thiệu tổng quát về phƣơng pháp DEA
Phương pháp DEA là cách tiếp cận phi tham số được khởi xướng bởi Charnes, Cooper và Rhodes (1978) để đo lường hiệu quả trong các tổ chức, được phát triển từ ý tưởng của Farrel (1958). Mục tiêu của DEA là xây dựng một mặt bao lồi hiệu quả phi tham số sao cho các điểm quan sát không nằm cao hơn đường giới hạn hiệu quả. Đường giới hạn hiệu quả này được xây dựng từ những đoạn thẳng kết nối các điểm hiệu quả nhất.
Cách tiếp cận DEA khơng địi hỏi ràng buộc về hình dáng của đường biên thực hiện tốt nhất, cũng như khơng địi hỏi các ràng buộc về phân phối của các nhân tố phi hiệu quả trong số liệu như cách tiếp cận tham số, trừ ràng buộc các chỉ số hiệu quả phải nằm giữa 0 và 1 và giả sử khơng có sai số ngẫu nhiên hoặc sai số phép đo trong dữ liệu. Đây cũng là hạn chế của phương pháp phi tham số, vì nó rất nhạy nên nếu có sai số ngẫu nhiên tồn tại trong số liệu thì các kết quả đo lường hiệu quả sẽ bị ảnh hưởng. Đồng thời điểm hiệu quả DEA là điểm hiệu quả tương đối giữa các đơn vị khảo sát với nhau nên nếu có một đơn vị ra quyết định DMU (Decision Making Unit) có điểm hiệu quả 100% nằm trên đường giới hạn hiệu quả thì cũng khơng đồng nghĩa rằng DMU này đạt hiệu quả tối ưu trên thực tế mà chỉ tốt hơn so với các đơn vị khác trong phạm vi khảo sát.
Khác với SFA, DEA khơng địi hỏi xác định dạng hàm đối với biên hiệu quả và cho phép kết hợp nhiều đầu vào và nhiều đầu ra trong việc tính tốn các độ đo hiệu quả. Đây cũng là ưu điểm của cách tiếp cận phi tham số so với cách tiếp cận tham số trong việc đánh giá hiệu quả hoạt động của một ngành dịch vụ phức tạp và có nhiều mối quan hệ không xác định được giữa các đầu vào - đầu ra như ngành NH.Với đặc thù của ngành, việc phải chỉ định cụ thể một dạng hàm giữa đầu vào – đầu ra như cách tiếp cận tham số sẽ khó thực hiện và có thể cho những kết luận sai nếu việc chỉ định dạng hàm là khơng chính xác.
Các cách lựa chọn biến đầu vào và đầu ra trong phƣơng pháp DEA:
Do đặc diểm của ngân hàng là ngành dịch vụ có nhiều yếu tố đầu ra và đầu vào nên điều quan trọng trong phân tích DEA đối với các NHTM là lựa chọn biến đầu ra vào đầu vào cho hợp lý. Tuy nhiên, việc xác định đầu vào và đầu ra đối với các ngân hàng không đơn giản. Không giống như các ngành sản xuất khác, trong quá trình hoạt động NHTM sử dụng cả tiền gửi và các tài sản khác. Đầu ra các dịch vụ của NHTM cũng không giống đầu ra của các doanh nghiệp sản xuất, vốn được đo lường bằng số lượng với mục tiêu được xác định rõ ràng. Có 2 cách tiếp cận thường sử dụng để xác định đầu ra và đầu vào: cách tiếp cận sản xuất (hay còn gọi là cách tiếp cận cung cấp dịch vụ, cách tiếp cận giá trị gia tăng) và cách tiếp cận tài sản (hay còn gọi là cách tiếp cận trung gian).
Trong cách tiếp cận sản xuất, NHTM được xem là doanh nghiệp sử dụng vốn và lao động để tạo ra các sản phẩm tiền gửi và cho vay. Còn trong cách tiếp cận trung gian, NHTM được xem là trung gian dịch vụ tài chính, nhận tiền gửi từ khách hàng và cho khách hàng khác vay. Đầu vào của ngân hàng bao gồm các yếu tố: lao động, kỹ thuật, tiền gửi, đầu ra bao gồm: tiền cho vay, các thu nhập khác từ hoạt động dịch vụ của ngân hàng. Cách tiếp cận trung gian cịn chia thành 2 nhóm nhỏ: tiếp cận lợi nhuận (hay cịn gọi là cách tiếp cận chi phí người sử dụng) và cách tiếp cận quản lý rủi ro.
Về cơ bản, hai cách tiếp cận này là giống nhau. Sự khác nhau giữa hai cách tiếp cận ở chỗ cách tiếp cận trung gian sử dụng giá trị thay vì số lượng và xem ngân hàng như tổ chức trung gian. Vì vậy, cách tiếp cận trung gian thường phù hợp hơn với các ngành dịch vụ, nhất là đối với các NHTM.
Phƣơng pháp phân tích Mơ hình DEACRS
Từ ý tưởng của Farrell, cơng thức tính hiệu quả cho trường hợp doanh nghiệp sử dụng nhiều đầu ra và nhiều đầu vào khi áp dụng cho một doanh nghiệp có k yếu tố đầu vào và sản xuất ra m kết quả đầu ra là:
Trong đó, u là trọng số của biến đầu ra y, v là trọng số của biến đầu vào x, 0 ≤ um, vk≤ 1.
Nếu phát triển lên cho n doanh nghiệp khác nhau trong cùng một lĩnh vực thì có thể xác định được hiệu quả cho doanh nghiệp thứ i (1≤ i ≤ n) theo công thức:
EFi = ∑umymi /∑vkxki (2)
Bằng cách tính tốn hệ số hiệu quả của từng doanh nghiệp, xác định doanh nghiệp thứ n được xem là hiệu quả nhất (EF =1) sẽ hình thành nên đường bao dữ liệu, trong khi các doanh nghiệp cịn lại kém hiệu quả hơn sẽ khơng nằm trên đường bao dữ liệu (EF<1).
Charnes, Cooper và Rhodes (1978) đã phát triển mơ hình của Farrell bằng cách giả định xảy ra trường hợp sản lượng không đổi theo quy mô CRS, với cách tiếp cận định hướng đầu vào (xem phụ lục 1). Trong trường hợp này, doanh nghiệp thứ io nếu khơng đạt được hiệu quả tương đối hồn tồn (EF =1) có thể tối đa hóa hiệu quả của nó bằng cách giải bài tốn:
Maxu,vEFio
Với điều kiện: EFi ≤ 1, 1≤i≤n 0≤ um, vk 1
Trong đó EFio = EFi = ∑umymio /∑vkxkio(3)
Bài tốn (3) tồn tại vơ số nghiệm. Để tránh điều này, Charnes và Cooper đưa vào ràng buộc ∑ vkxkio =1. Bài toán (3) được viết lại dưới dạng bài toán quy hoạch tuyến tính (linear programming problem),
Maxu,v(∑um,ymio) với điều kiện: ∑vkxki0 = 1 EF≤ 1, 1 ≤ i≤ n 0 ≤ um, vk≤ 1 (4)
Sử dụng tính chất đối ngẫu của bài tốn quy hoạch tuyến tính, có thể chuyển bài tốn (4) thành dạng bao dữ liệu tương đương (equivalent envelopment form). Dạng bao dữ liệu này có ít ràng buộc hơn và có thể dễ dàng giải được.
Min θ,
Với điều kiện: -yi + Yλ ≥0, θxi – Xλ ≥ 0
λ≥ 0 (5) Trong đó,
- θ là mức độ hiệu quả của từng doanh nghiệp
- λ gồm tập hợp (λ1, λ2, …, λn) thể hiện mối quan hệ giữa các doanh nghiệp được khảo sát (chẳng hạn như nếu u và v là trọng số của các biến đầu ra và đầu vào thì λ là trọng số giữa các DMU với nhau).
- yi, xi: lần lượt là đầu ra và đầu vào của doanh nghiệp thứ i. - Y gồm tập hợp (y1, y2,..., yn): tập đầu ra của các doanh nghiệp. - X gồm tập hợp (x1, x2,…, xn): tập đầu vào của các doanh nghiệp.
Bài tốn (5) cịn được gọi là mơ hình DEACRS với giả định các doanh nghiệp hoạt động ở quy mô tối ưu, đồng thời xác định phi hiệu quả kỹ thuật có thể xảy ra. Phi hiệu quả kỹ thuật là lượng mà tất cả các đầu vào có thể giảm xuống mà không làm giảm đầu ra. Nguyên nhân gây ra phi hiệu quả kỹ thuật có thể là do cơ cấu giữa đầu vào và đầu ra, do khả năng quản lý yếu hoặc do quy mô hoạt động.
Mơ hình DEACRS phù hợp với điều kiện các doanh nghiệp hoạt động ở quy mô tối ưu.Thực tế không phải lúc nào các doanh nghiệp cũng hoạt động ở quy mô tối ưu.Khi đó, mơ hình DEACRS khơng cịn phù hợp.
Mơ hình DEAVRS và hiệu quả quy mô
Năm 1984, Banker, Charnes và Cooper đề xuất mơ hình mở rộng của mơ hình DEACRS thành mơ hình DEAvrs với giả định sản lượng thay đổi theo quy mô. Việc sử dụng các chỉ thị của mơ hình DEACRS khi không phải tất cả các DMU hoạt động ở quy mô tối ưu mang lại kết quả đo lường hiệu quả kỹ thuật bao gồm cả hiệu quả quy mơ. Trong khi đó, mơ hình DEAvrs cho phép tính tốn hiệu quả kỹ thuật mà khơng có các tác động này của hiệu quả theo quy mô.
Mơ hình DEAvrs được xây dựng thêm bằng cách thêm điều kiện ∑yi = 1 vào mơ hình (5) và có dạng:
Min θ,
Với điều kiện: -yi +Yλ≥0 θxi–Xλ≥0 ∑λi = 1 λ ≥ 0 (6)
Giải bài tốn (5) và (6) là tìm các giá trị θ và λ cho từng DMU với các dữ liệu đầu vào và đầu ra cho trước.
Trong mơ hình DEAVRS, độ đo hiệu quả kỹ thuật TE được phân rã thành hiệu quả kỹ thuật thuần PE và hiệu quả kỹ thuật theo quy mơ SE. Chính sự phân rã hiệu quả này giúp chúng ta biết được nguồn gây ra phi hiệu quả. Phi hiệu quả có thể từ phi hiệu quả kỹ thuật thuần và phi hiệu quả quy mô.
Nếu hiệu quả quy mơ bằng 1, điều đó có nghĩa DMU hoạt động với quy mơ tối ưu và do đó tăng năng suất của các đầu vào khơng thể được cải thiện bằng cách tăng hay giảm quy mô sản xuất. Hiệu quả quy mô bằng 1 chỉ khi doanh nghiệp hoạt động trong điều kiện CRS. Nếu hiệu quả theo quy mô nhỏ hơn 1 chứng tỏ DMU đang hoạt động với quy mô không tối ưu và tồn tại phi hiệu quả quy mô. Phi hiệu quả quy mơ có thể tồn tại trong điều kiện sản lượng tăng (IRS) hoặc sản lượng giảm (DRS) theo quy mô.
So sánh kết quả khi giải bài tốn (5) và (6) xác định doanh nghiệp có tồn tại hiệu quả theo quy mô hay không nhưng không cho biết được doanh nghiệp đang ở trong điều kiện sản lượng tăng theo quy mô hay sản lượng giảm theo quy mô. Muốn biết điều này cần giải bài toán (6) với ràng buộc ∑λi ≤ 1:
Min θ,
Với điều kiện: -yi +Yλ≥0 θxi –Xλ≥0
∑λi ≤ 1 λ ≥ 0 (7)
Áp dụng một bộ số liệu cho 2 mơ hình DEACRS và DEAVRS sẽ xác định hiệu quả theo mơ hình DEACRS và DEAVRS. Sự khác nhau giữa các điểm hiệu quả kỹ thuật của một DMU cụ thể chứng tỏ DMU này có hiệu quả phi quy mơ1
.
1.2.4. Đề xuất mơ hình đánh giá hiệu quả HĐKD
Như đã trình bày ở mục 1.2.1, 1.2.2 và 1.2.3, hiện nay có rất nhiều phương pháp được sử dụng để đánh giá hiệu quả HĐKD của các NHTM. Mỗi phương pháp đều có những ưu, nhược điểm riêng. Tùy vào quan điểm và khả năng thu thập dữ liệu mà các nhà nghiên cứu sẽ quyết định sử dụng mơ hình nào cho phù hợp với tình huống nghiên cứu.
Trong luận văn này, căn cứ trên ưu điểm của mơ hình CAMEL là có các tiêu chí đánh giá năng lực và tình hình tài chính được định lượng và áp dụng đồng nhất với tất cả các NH, bên cạnh đó, khi sử dụng mơ hình CAMEL việc đánh giá hiệu quả của một NH có thể thực hiện qua nhiều thời kỳ liên tiếp và dưới cùng những chỉ tiêu, tạo điều kiện để so sánh tình hình hoạt động của các NH với nhau cũng như với ngành, giúp có cái nhìn tồn diện về thực trạng hiệu quả HĐKD trong suốt thời kỳ đánh giá. Việc lượng hóa các đánh giá theo mơ hình này khơng chỉ mang tính thống nhất mà cịn có tính khách quan cao và dễ dàng tiếp thu. Hơn nữa, mơ hình CAMEL gần như bao qt tồn bộ những khía cạnh cơ bản nhất trong HĐKD của mỗi NHTM, tạo điều kiện để phát hiện ra những ưu, nhược điểm của mỗi NH trong quá trình hoạt động.Như vậy, mơ hình CAMEL là rất thích hợp để đánh giá hiệu quả HĐKD của SHB vì NH được đánh giá chỉ mới đi vào hoạt động sau M&A chưa quá 3 năm nên việc sử dụng mơ hình định lượng thuần túy có thể khơng đưa ra được những kết quả chính xác hồn tồn do chuỗi thời gian chưa đủ dài và các số liệu về tình hình hoạt động có thể chưa phản ánh được thực chất. Sử dụng mơ hình CAMEL có thể giúp phân tích và đánh giá một cách toàn diện những thay đổi trong HĐKD của các NH, từ đó rút ra những vấn đề còn tồn tại sau khi tích hợp. Đây cũng là căn cứ cho việc đề xuất các giải pháp nhằm nâng cao hiệu quả HĐKD của SHB trong tương lai.
Tuy nhiên, cần lưu ý rằng việc sử dụng mơ hình CAMEL trong đánh giá hiệu quả HĐKD của các NHTM ở Việt Nam có thể gặp những khó khăn do thơng tin và hệ thống sổ sách của các TCTD Việt Nam chưa đủ dữ liệu. Chuẩn mực kế toán của Việt Nam cũng chưa hịa nhập hồn tồn với các chuẩn mực quốc tế để các báo cáo tài chính theo đúng thơng lệ. Chẳng hạn như việc bán nợ xấu hay tái cơ cấu nợ xấu của các TCTD tại Việt Nam hiện chưa được được hạch tốn phù hợp với thơng lệ, làm việc chẩn đoán nợ xấu và đánh giá tình hình tài chính dưới các chuẩn mực CAMEL vẫn chưa được chính xác như mong đợi.
Bên cạnh sử dụng mơ hình CAMEL, luận văn cịn kết hợp thực hiện phân tích hiệu quả hoạt động kinh doanh bằng mơ hình DEA nhằm bổ sung thêm các kết quả định lượng, đưa ra những số liệu cụ thể để có thể đánh giá trực quan những cải thiện hiệu quả mang tính kỹ thuật và quy mô của NH, so sánh với các NH cùng nhóm xét theo năng lực cạnh tranh qua 2 thời kỳ trước và sau sáp nhập.
KẾT LUẬN CHƢƠNG 1
M&A ngành ngân hàng tại Việt Nam là xu hướng tất yếu và sẽ ngày càng phổ biến khi hệ thống tài chính phát triển. Hợp nhất giữa hai hay nhiều NH dẫn đến những thay đổi nhiều mặt trong cơ cấu điều hành và hoạt động của nó. Những biến động này sẽ tác động đáng kể lên hiệu quả HĐKD, đòi hỏi các NH phải đánh giá thật chính xác nguyên nhân, hệ quả của những thay đổi ngay sau tích hợp nhằm có định hướng phát triển đúng đắn, phát huy được hết lợi thế mà các thương vụ M&A mang lại.
Chương 1 của luận văn trình bày tổng quan cơ sở lý thuyết về hiệu quả HĐKD, các khái niệm theo nhiều góc độ khác nhau về hiệu quả, đặc biệt là khái niệm hiệu quả HĐKD đối với một NHTM. Qua đó, luận văn cũng đã trình bày các phương pháp đánh giá hiệu quả HĐKD của NH bao gồm các phương pháp truyền thống, các mơ hình định tính và định lượng được áp dụng tại Việt Nam và các nước trên thế giới để làm cơ sở cho việc xác định và phân tích các nguyên nhân tác động đến hiệu quả HĐKD của các NH. Dựa trên khung lý thuyết đã trình bày và điều kiện tiếp cận với nguồn dữ liệu, cũng như căn cứ vào việc đánh giá tính thích hợp của từng mơ hình với đặc điểm của đề tài, luận văn đề xuất đánh giá hiệu quả HĐKD của ngân hàng SHB thơng qua các chỉ tiêu của mơ hình CAMEL và mơ hình DEA.
Nội dung lý thuyết của chương 1 là cơ sở để đánh giá thực trạng hiệu quả HĐKD của SHB trong giai đoạn 2008 – 2014, nhằm xem xét việc sáp nhập đã đem lại những kết quả nào, từ đó rút ra những thuận lợi, khó khăn của NH thời kỳ hậu M&A và đưa ra giải pháp giúp NH nâng cao hiệu quả HĐKD. Những đánh giá về thực trạng hiệu quả HĐKD của SHB sẽ được trình bày trong chương 2 của luận văn.
CHƢƠNG 2. THỰC TRẠNG HIỆU QUẢ HOẠT ĐỘNG KINH DOANH CỦA SHB SAU SÁP NHẬP
2.1. Bối cảnh và quá trình sáp nhập của SHB và HBB 2.1. 1. Bối cảnh