2.2. Thực trạng rủi ro tín dụng tại Ngân hàng TMCP Đầu tư và Phát triển Việt Nam
2.2.2. Các nhân tố ảnh hưởng đến rủi ro tín dụng tại Ngân hàng TMCP Đầu tư và Phát
tư và Phát triên Việt Nam
2.2.2.1. Lựa chọn biến số
Để đo lường mức độ rủi ro tín dụng tại các NHTM, các nhà nghiên cứu trên thế giới và Việt Nam có nhiều cách để lựa chọn các biến độc lập và phụ thuộc. Đối với phạm vi bài khóa luận này tỷ lệ nợ xấu sẽ được lựa chọn làm biến phụ thuộc để đánh giá mức độ rủi ro tại BIDV, lý do là tỷ lệ nợ xấu là yếu tố phổ biến được đề cập nhiều nhất khi nhắc đến rủi ro tín dụng, là nhân tố đại diện cho những tổn thất tiềm tàng mà ngân hàng gặp phải khi khách hàng không trả được nợ. Các biến độc lập là các nhân tố ảnh hưởng đến nợ xấu bao gồm hai nhóm: Nhóm các nhân tố vĩ mơ và nhóm các nhân tố bên trong ngân hàng.
Nhân tố vĩ mô
Tỷ lệ tăng trưởng GDP (GDP): Biến tăng trưởng GDP được sử dụng để
kiểm sốt cho các chu trình kinh tế vĩ mơ và thực tế chỉ ra rằng rủi ro tín dụng của ngân hàng có quan hệ khăng khít với chu kỳ kinh doanh. Skarica (2013) sử dụng số liệu của các ngân hàng thuộc miền Trung và Tây châu Âu trong giai đoạn quý 3 năm 2007 đến quý 3 năm 2012; Laeven và Majnoni (2002) sử dụng số liệu của 1419 ngân hàng từ 45 quốc gia khác nhau trong khoảng thời gian 1988-1999 đã tìm thấy tác động ngược chiều của tỷ lệ tăng trưởng GDP đến rủi ro tín dụng ngân hàng. Ngồi ra có một số nghiên cứu khác cũng cho rằng có mối quan hệ ngược chiều giữa GDP và rủi ro tín dụng khi sử dụng số liệu của một số quốc gia riêng lẻ điển hình Zribi và Boujelbene (2011) nghiên cứu 10 NHTM tại Tunisian hoặc nghiên cứu của Saurina và Salas (2002) ở các ngân hàng tại Tây Ban Nha. Như vậy, giả thuyết đưa ra là tốc độ tăng trưởng GDP sẽ có tác động ngược chiều đến rủi ro tín dụng.
Chỉ số giá tiêu dùng (CPI): Yếu tố lạm phát được đo lường bằng chỉ số giá
tiêu dùng CPI và yếu tố này có tác động hỗn hợp đến nợ xấu. Lạm phát cao có thể làm việc trả nợ dễ dàng hơn vì lạm phát làm giảm giá trị thực của khoản vay khiến rủi ro tín dụng giảm đi. Mặt khác theo Nkusu (2011) cho rằng lạm phát tăng dẫn
Biến Cách tính Kỳ vọng Biến phụ thuộc
Tỷ lệ nợ xấu Nợ xấu/Tổng dư nợ
Biến độc lập
Biến kinh tế vĩ mơ
đến giá cả hàng hóa tăng, thu nhập thực tế của người đi vay giảm đi. Do đó mối quan hệ giữa yếu tố CPI và nợ xấu của ngân hàng có thể là tiêu cực hoặc tích cực.
Nhân tố bên trong ngân hàng
Tốc độ tăng trưởng tín dụng (LOANGR): Tốc độ tăng trưởng tín dụng có
mối liên hệ mật thiết với rủi ro tín dụng. Nhân tố này có thể làm tăng hoặc giảm thiểu rủi ro phụ thuộc vào từng thời kỳ kinh tế. theo Foo và các cộng sự (2010) nghiên cứu yếu tố tác động đến rủi ro tín dụng tại 16000 ngân hàng giai đoạn 1997- 2007 tại 16 nước có ngành tài chính phát triển đã chứng minh rằng khi nền k9inh tế phát triển thì tốc độ tăng trưởng tín dụng cs mối quan hệ cùng chiều với tỷ lệ nợ xấu tại ngân hàng. Mặt khác, Clair (1992) lại chỉ ra tăng trưởng tín dụng có thể giảm thiểu rủi ro cho ngân hàng khi họ tăng tiêu chuẩn xét duyệt của mình lên. Đối với hệ thống ngân hàng BIDV và trong nền kinh tế Việt Nam đang phát triển, bài viết đặt kỳ vọng tốc độ tăng trưởng tín dụng tỷ lệ thuận với tỷ lệ nợ xấu tại ngân hàng.
Tỷ lệ cho vay ngắn hạn (CVNH): Đối với BIDV dư nợ cho vay kì hạn ngắn
ln chiếm tỷ lệ cao nhất bởi những ưu điểm của gói cho vay này: các sản phẩm chp vay ngắn hạn phù hợp với nhu cầu của nhiều đối tượng và thành phần kinh tế, khả năng thu hồi các khoản cho vay nhanh giúp ngân hàng giảm thiểu được rủi ro tín dụng và phát huy được lợi thế, kinh nghiệm hơn so với các NH khác. Vì thế giả thuyết được đưa ra là tỷ lệ cho vay ngắn hạn có tác động ngược chiều với tỷ lệ nợ xấu của BIDV qua các giai đoạn.
Tỷ lệ cho vay các tổ chức, cá nhân nước ngoài (CVNN): Thực tế cho thấy,
BIDV đang thay đổi cơ cấu nền khách hàng bằng việc giảm tỷ trọng khách hàng doanh nghiệp lớn và tăng tỷ trọng của khách hàng cá nhân, khách hàng SME, khách hàng doanh nghiệp, cá nhân nước ngoài những năm gần đây. Sự chuyển hướng này giúp Ngân hàng thu được nhiều lợi nhuận hơn và tỷ góp phần giảm thiểu rủi ro khi cho vay các doanh nghiệp lớn trong nước. Như vậy giả thuyết đưa ra là tỷ lệ cho vay đối với các tổ chức kinh tế nước ngồi có tác động ngược chiều đến rủi ro tín dụng trong ngân hàng.
Dự phịng rủi ro tín dụng (LLP): Đây là chỉ tiêu để kiểm soát tổn thất của
các khoản vay, cho phép ngân hàng phát hiện và bảo hiểm rủi ro cho các khoản vay
39
của mình. Khi ngân hàng nhận thấy các khoản vay có nguy cơ bị mất vốn thì sẽ trích lập dự phòng cao hơn. Nghiên cứu của Chaibi và Ftiti (2014) chỉ ra rằng chi phí dự phịng có tác động mạnh đến nợ xấu của ngân hàng. Vì vậy dự phịng RRTD cao dẫn đến tỷ lệ nợ xấu cao và dự kiến về mối quan hệ tích cực giữa hai biến này.
Tốc độ tẳng trưởng GDP Tỷ lệ tăng trưởng GDP -
Chỉ số giá tiêu dùng (CPI) Tỷ lệ tăng trưởng CPI +/-
Biến nội tại ngân hàng
Tốc độ tăng trưởng tín dụng (Dư nợ kì hiện tại - Dư nợ kì trước)/Dư nợ kì
+
(LOANGR) trước
Tỷ lệ cho vay ngăn hạn
(CVNH) Dư nợ cho vay ngăn hạn/Tổng dư nợ -
Tỷ lệ cho vay các tổ chức, cá Dư nợ cho vay các TCKT ở nước ngoài/Tổng
dư +
nhân nước ngoài (CVNN) nợ
Dự phịng rủi ro tín dung
Biến Trung bình Độ lệch chuân Giá trị nhỏ nhất Giá trị lớn nhất GDP 0.077062 0.043796 0.014800 0.160700 CPI 0.044533 0.033743 0.003000 0.159500 LOANGR 0.046383 0.027414 -0.002200 0.114100 CVNH 0.562640 0.009771 0.546732 0.580184 CVNN 0.016995 0.007924 0.004426 0.039015 LLP 0.004229 0.002465 0.000100 0.010500 Nguồn: Tác giả tổng hợp
2.2.2.2. Dữ liệu nghiên cứu
Dữ liệu nội bộ ngân hàng từ báo cáo tài chính theo q đã kiểm tốn và báo cáo tín dụng của ngân hàng trong gia đoạn 2012 đến 2017. Dữ liệu vĩ mơ được trích trong báo cáo từ Tổng cục thống kê và Ngân hàng Nhà nước Việt Nam.
2.2.2.3. Phương pháp nghiên cứu
Phương pháp OLS - Phương pháp bình phương nhỏ nhất sẽ được sử dụng để ước, đánh giá rủi ro tín dụng của ngân hàng đại diện bởi tỷ lệ nợ xấu (NPL). Mơ hình hồi quy được sử dụng trong bài viết có dạng hư sau:
NPL = c + β1GDP + β2CPI + β3LOANGR + β4CVNH + β5CVNN + β6LLP + e
40
2.2.2.4. Mô tả mẫu và kiểm định giả thuyết nghiên cứu 2.2.2.4.1. Mô tả mẫu
Dữ liệu nghiên cứu được thu thập trong giai đoạn từ năm 2012 đến 2017 theo quý với 6 biến số được mô tả trong bảng:
Variable Coefficient VIF GDP 0.000523 1.1178311 CPI 0.001606 1.664524 LOANGR 0.000622 1.304725 CVNN 0.008226 1.442550 CVNH 0.005063 1.349965 LLP 0.077809 1.320275
Biến Hệ số tương quan Độ lệch chuân P-value
C (Hằng số) -0.014240 0.040072 0.7267 GDP -0.042360 0.014832 0.0109 CPI 0.080941 0.022880 0.0025 LOANGR 0.016009 0.024934 0.5294 CVNN -0.241020 0.090699 0.0166 CVNH 0.065086 0.071154 0.3731 LLP 0.744894 0.278942 0.0161
Nguồn: Tính tốn của tác giả
2.2.2.4.2. Kiểm định các giả thiết của hồi quy tuyến tính ❖ Kiểm định hiện tượng phương sai thay đôi
Phương sai của sai số thay đổi sẽ làm cho các ước lượng thu được vững nhưng không hiệu quả, các kiểm định hệ số hồi quy khơng cịn đáng tin cậy. Từ đó dẫn đến việc ngộ nhận các biến độc lập của mơ hình có ý nghĩa. Lý do vì phương sai sai số làm mất tính hiệu quả của ước lượng, nên cần tiến hành kiểm định giả thuyết bằng kiểm định White với giả thuyết H0: Khơng có hiện tượng phương sai thay đổi. Với mức ý nghĩa alpha = 5%, kiểm định cho kết quả P-value = 0.7045 > 0.05 nên chấp nhận giả thuyết H0 hay mơ hình khơng có hiện tượng phương sai sai số thay đổi.
❖ Kiểm định hiện tượng tự tương quan
Sự tự tương quan giữa các biến độc lập của mơ hình dẫn đến kết quả kiểm nghiệm khơng cịn đáng tin cậy. Nghiên cứu tiến hành kiểm định giả thuyết H0: Khơng có sự tương quan bậc nhất. Với mức ý nghĩa alpha = 5%, kiểm định cho kết quả P-value = 0.1010 > 0.05 nên chấp nhận giả thuyết H0: khơng có sự tự tương quan bậc nhất.
41 ❖Kiểm định hiện tượng đa cộng tuyến
Đa cộng tuyến là hiện tượng các biến độc lập trong mơ hình tương quan tuyến tính với nhau. Nghiên cứu tiến hành kiểm tra hiện tượng bằng cách dùng chỉ tiêu VIF với kết quả như trong bảng:
Bảng 2.9. Kết quả kiểm định hiện tượng đa cộng tuyến
Nguồn: Tính tốn của tác giả
Từ bảng trên ta thấy, VIF của các biến độc lập đều nhỏ hơn 2 nên hiện tượng đa cộng tuyến trong mơ hình khơng xảy ra.
2.2.2.4.3. Kết quả nghiên cứu
Nguồn: Tính tốn của tác giả
Phân tích kết quả
Các biến kinh tế vĩ mơ
• Tốc độ tăng trưởng GDP (GDP): tỷ lệ tăng trưởng GDP tác động ngược
chiều đến tỷ lệ nợ xấu (β = -0.042360) với mức ý nghĩa thống kê 1%. Ket quả này
hoàn toàn đúng với kỳ vọng của tác giả và các nghiên cứu trước khi cho rằng khi
nền kinh tế tăng trưởng, cá nhân và doanh nghiệp có đủ tiền để trả nợ, nhưng trong
thời kỳ suy thối khả năng trả nợ giảm và rủi ro tín dụng sẽ tăng lên.
• Chỉ số giá tiêu dùng (CPI): tìm thấy mối quan hệ đồng biến (β =
0.080941) giữa biến CPI và tỷ lệ nợ xấu với mức ý nghĩa 1%. Kết quả này hoàn
toàn đúng với kỳ vọng của các bài nghiên cứu trước khi cho rằng khi chỉ số giá tiêu
dùng tăng lên thu nhập thực tế của khách hàng sẽ bị giảm đi dẫn đến các khoản nợ
xấu tăng cao hơn. Nếu CPI tăng 1% thì tỷ lệ nợ xấu tăng 8.09%.
Các biến nội tại ngân hàng
• Tốc độ tăng trưởng tín dụng (LOANGR): tìm thấy mối liên hệ đồng biến
giữa tăng trưởng tín dụng và tỷ lệ nợ xấu với β = 0.016009 nhưng khơng có ý nghĩa
thống kê. Kết quả này tương đồng với giả thuyết của tác giả và trong nghiên cứu
của Daniel Foos (2010). Điều này chứng tỏ một phần khơng nhỏ tín dụng
trong giai
đoạn tăng trưởng nhanh của các NHTM Việt Nam được sử dụng để tài trợ cho những mục đích cho vay rủi ro cao.
• Tỷ lệ cho vay các tổ chức, cá nhân nước ngoài (CVNN): Như đã phân
tích ở phần trên, tác động của biến này đến tỷ lệ nợ xấu có thể là tiêu cực. Trong
đều nhìn nhận đúng nguồn thu nhập trong tương lai có thể đảm bảo khả năng trả nợ. Tuy nhiên, trong tương lai gần khách hàng gặp phải điều kiện khó khăn dẫn đến giảm khả năng trả nợ cho ngân hàng và dẫn đến nợ xấu tăng. Tuy nhiên chưa tìm được ý nghĩa thống kê cho mối quan hệ này.
• Dự phịng rủi ro tín dụng (LLP): đúng với giả định ban đầu, tỷ lệ dự
phòng rủi ro tỷ lệ thuận với rủi ro tín dụng, kết quả kiểm định đã khẳng định giả thuyết. Với quy định về việc trích lập dự phịng chung và dự phịng cụ thể được Ngân hàng Nhà nước ban hành như hiện nay thì việc xảy ra rủi ro tín dụng đối với BIDV vẫn là cao.
Như vậy, thông qua các ước lượng dữ liệu, mơ hình xác định các yếu tố vĩ mơ và các biến nội tại ngân hàng có ảnh hưởng đến rủi ro tín dụng tại Ngân hàng TMCP Đầu tư và Phát triển Việt Nam, nghiên cứu đã chỉ ra rằng các nhân tố ảnh hưởng đến rủi ro tín dụng bao gồm các biến vĩ mơ như GDP và CPI; các biến thuộc nội tại ngân hàng bao gồm: tỷ lệ cho vay TCKT nước ngồi và Tỷ lệ dự phịng rủi ro. Các nhân tố ảnh hưởng cùng chiều bao gồm: CPI, tỷ lệ dự phòng rủi ro; nhân tố tác động ngược chiều là GDP và dư nợ cho vay các đối tượng nước ngoài.