CHƯƠNG 1: TỔNG QUAN CÁC CÔNG TRÌNH NGHIÊN CỨU VÀ PHƯƠNG PHÁP NGHIÊN CỨU
1.2. Phương pháp nghiên cứu
1.2.3. Phương pháp nghiên cứu
Nghiên cứu định tính: được sử dụng ở giai đoạn đầu của nghiên cứu khi phân tích, so sánh hoạt động ngân hàng đầu tư hiện nay của Việt Nam với các nước phát triển và các nước trong khu vực, đồng thời kết hợp với khung lý thuyết để tìm ra và/hoặc xây dựng (các) mô hình cần thiết có thể ứng dụng tìm ra câu trả lời cho các câu hỏi nghiên cứu. Mô hình được nghiên cứu ở đây bao gồm 2 loại:
- Mô hình về ngân hàng đầu tư chuyên biệt (trong đó hoạt động ngân hàng đầu tư sẽ do được bóc tách khỏi các ngân hàng thương mại);
- Mô hình ngân hàng tổng hợp (trong đó các ngân hàng thương mại cũng thực hiện các hoạt động ngân hàng đầu tư).
Từ việc nghiên cứu định tính 2 mô hình trên, nghiên cứu sẽ chỉ ra được mô hình khung phù hợp với các hoạt động ngân hàng đầu tư đối với thị trường tài chính Việt Nam.
Nghiên cứu định lượng: Nhằm đáp ứng được mục tiêu nghiên cứu và trả lời các câu hỏi nghiên cứu, mô hình nghiên cứu từ kết quả của phân tích định tính nêu trên sẽ được kết hợp với các phương pháp phân tích định lượng. Luận án sử dụng 03 phương pháp phân tích định lượng chủ yếu sau:
Phân tích thống kê và so sánh:
- Phương pháp thống kê: Các dữ liệu sử dụng trong luận án được tổng hợp từ các nguồn dữ liệu chính thức từ Tổng cục thống kê, Ủy Ban Chứng khoán Nhà nước, Sở Giao dịch chứng khoán Hồ Chí Minh, Sở Giao dịch chứng khoán Hà Nội, Ngân hàng Nhà nước Việt Nam, Hiệp hội ngân hàng… và các báo cáo tài chính đã kiểm toán của các NHTM, CTCK và CtyQLQ. Các chuỗi dữ liệu được sử dụng trong phân tích định lượng đều được hiệu chỉnh phù hợp trước khi ước lượng.
- Phương pháp so sánh đối chứng: Dựa trên cơ sở những số liệu thu thập được, luận án so sánh sự biến động về hiệu quả hoạt động ngân hàng đầu tư giữa các loại hình tổ chức và so sánh các điều kiện vĩ mô giữa Việt Nam với các nước khác nhằm góp phần đưa ra đánh giá đầy đủ về nội dung nghiên cứu.
- Phương pháp mô hình hóa và đồ thị: Dựa trên dữ liệu thu thập, luận án cũng minh họa một số vấn đề bằng đồ thị và mô hình nhằm đánh giá vấn đề một cách trực quan và tăng tính thuyết phục, giá trị của các lập luận. Các mẫu biểu được sử dụng trong luận án bao gồm đồ thị hình cột, chuỗi, phân tán, đường cong lorenz…
- Phương pháp so sánh tương quan: So sánh tương quan được sử dụng để đánh giá mối liên hệ giữa các biến nghiên cứu. Hệ số tương quan được sử dụng gồm có:
• Hệ số Pearson – nhằm xác định mức độ trọng yếu của tương quan giữa các biến;
• Kiểm định independent sample t-test nhằm so sánh sự khác biệt trong hoạt động NHĐT giữa CTCK độc lập và CTCK thuộc NHTM. Từ đó rút ra hệ số Eta-squared nhằm phân tích mức độ ảnh hưởng của hai biến.
• Phân tích phương sai (ANOVA) nhằm so sánh giá trị trung bình của các biến nghiên cứu.
Phương pháp kinh tế lượng phân tích hồi quy đa biến
Luận án sử dụng kỹ thuật phân tích mô hình hồi quy đa biến một phương trình nhằm phân tích tác động của các yếu tố vốn góp, tài sản, tín dụng, danh mục kinh doanh, đầu tư chứng khoán, góp vốn lên lợi nhuận ngoài lãi của các ngân hàng thương mại trên cơ sở hợp nhất cho nghiên cứu thực nghiệm giai đoạn 2005-2013.
Phương pháp phân tích mô hình bao dữ liệu/ bao kỹ thuật (DEA)
Một phần trong nghiên cứu của luận án sử dụng phương pháp phân tích phi tham số Bao Kỹ thuật (DEA) để ước lượng hiệu quả về mặt kỹ thuật và kinh tế của các công ty chứng khoán tại Việt Nam. Phương pháp DEA nhằm xác định các công ty hoạt động tại đường giới hạn hiệu quả (efficient frontier). Nếu các tổ hợp đầu vào-đầu ra của một công tynằm trên đường giới hạn DEA, công ty được coi là hoạt
động hiệu quả.Doanh nghiệp sẽ được coi là kém hiệu quả khi tổ hợp đầu vào-đầu ra nằm trong (không thuộc) đường giới hạn hiệu quả này. Nghiên cứu này sử dụng các dữ liệu sẵn có của công ty chứng khoán tại Việt Nam giai đoạn 2008-2013.
Giới thiệu về phương pháp phân tích Bao kỹ thuật DEA
Phương pháp đo lường hiệu quả bằng Bao kỹ thuật được Farrell (1957) [48, tr.253-290] xây dựng dựa trên nghiên cứu của Debreu (1951) [39, tr.273-92] và Koopmans (1951) [68] nhằm xác định một thước đo về hiệu quả doanh nghiệp với nhiều yếu tố đầu vào. Farrell (1957) [48, tr.253-290] cho rằng hiệu quả của môt doanh nghiệp bao gồm 2 yếu tố: hiệu quả kỹ thuật phản ánh khả năng đạt được đầu ra tối đa với các yếu tố đầu vào sẵn có, và hiệu quả phân phối, phản ánh năng lực sử dụng các yếu tố đầu vào theo tỷ lệ tối ưu, với mức giá của yếu tố đầu vào sẵn có.
Hai yếu tố này kết hợp thành hiệu quả kinh tế. Farell đề xuất đường gấp khúc lồi (Sơ đồ 2) mà không có điểm nào nằm dưới hoặc bên trái hoặc hàm có sử dụng tham số như Cobb-Douglas phù hợp với dữ liệu để không có điểm nào nằm dưới hoặc bên trái.
Nguồn: Farrell, M.J. (1957) [48] Nguồn: Farrell, M.J. (1957) [48]
Sơ đồ : Hiệu quả kỹ thuật (TE) và Hiệu quả
phân phối (AE) Sơ đồ : Đường đẳng lượng lồi giấp khúc
Trên cơ sở này, nghiên cứu của Charnes, Cooper và Rhodes (1978) [34, tr.429-444] chính thức xây dựng phương pháp phân tích hiệu quả bao kỹ thuật, theo đó đề xuất mô hình hướng tới một yếu tố đầu vào với giả định hiệu quả không đổi
⁄
⁄
●
O
● S
S' S
⁄
⁄ S
● ●
P
Q R
Q' A
O A'
Charnes và Cooper (1984) [20] đề xuất mô hình hiệu quả thay đổi theo quy mô (VRS).
A - Mô hình DEA vớihiệu quả không đổi theo quy mô (CRS)
Giả sử chúng ta có bộ dữ liệu K đầu vào và M đầu ra với N đơn vị ra quyết định (DMU). DMU thứ i được thể hiện bằng véc tơ và . Ma trận đầu vào K×N, X và ma trận đầu ra M×N, Y, thể hiện dữ liệu cho N đơn vị ra quyết định. Mục đích của DEA là xây dựng đường bao phi tham số trên các điểm dữ liệu để tất cả các điểm quan sát nằm trong hoặc trên đường bao. Đối với mỗi DMU, chúng ta đo lường tỷ lệ của tất cả các đầu ra trên đầu vào, ví dụ:′/′, với u là véc tơ M×1 trọng số đầu ra và v là véc tơ K×1 trọng số đầu vào.
,(′/′),
với ′/′≤ 1, = 1,2 … , > 0
(1.1)
Chúng ta cần tìm kiếm giá trị u và v để tối đa hiệu quả của DMU thứ i, với điều kiện tất cả các thước đo hiệu quả đểu ≤ 1. Tuy nhiên điều kiện này sẽ dẫn tới phương trình vố số nghiệm. Do đó, chúng ta bổ sung điều kiện′=1:
,(′), với ′=1,
′− ′≤ 0 = 1,2 … , > 0
(1.2)
Ký hiệu u và v được đổi thànhvà v để phản ánh sự thay đổi trên.Chúng ta có thể chuyển đổi mô hình trên thành bài toán bao dữ liệu như sau:
!",#$,
với −+ &' ≥ 0
$− )' ≥ 0 ' > 0
(1.3)
Trong đó$là vô hướng và'là véc tớ N×1 cố định. Mô hình bao dữ liệu này có ít hạn chế hơn mô hình số nhân (K+M<N+1), do đó thường được sử dụng để giải quyết bài toán. Giá trị$là điểm hiệu quả của DMU thứ i, thỏa mãn điều kiện$ ≤ 1, với giá trị 1 là điểm nằm trên đường biên và là hiệu quả kỹ thuật của DMU theo
định nghĩa của Farell (1957) [48]. Bài toán quy hoạch tuyến tính cần được giải Nlầncho mỗi DMU trong mẫu nghiên cứu.
Hạn chế/Điểm yếu
Đường giới hạn phi tham số gấp khúc DEA có một số mặt hạn chế trong đo lường hiệu quả. Nguyên nhân xuất phát từ các đường biên song song với các trục (Sơ đồ 2) hầu hết đều không có trong các hàm tham số (Sơ đồ 1).
Tạisơ đồ3,các điểm C và D thể hiện DMU hiệu quả,các điểm A và B thể hiện DMU không hiệu quả. Farrell (1957) [48, tr.253-290] đo lường hiệu quả kỹ thuật TE của A và B là OA’/OA & OB’/OB. Điểm A’ là điểm yếu của đầu vào (input slack) do doanh nghiệp có thể giảm đầu vào(bằng khoảng cách CA’) mà vẫn giữ nguyên số lượng đầu ra. Trong trường hợp có nhiều đầu vào hơn hoặc nhiều yếu tố đầu ra, mô hình sẽ có khả năng xuất hiện điểm yếu của đầu ra (output slack). Do đó, đo hiệu quả$của Farrell cũng như các điểm yếu đầu vào và đầu ra cần được báo cáo đầy đủ để cung cấp thông tin chính xác về tính hiệu quả của một DMU trong phân tích DEA. Lưu ý rằng điểm yếu đầu ra của DMU thứ i sẽ bằng 0 chỉ khi&' − = 0, trong khi điểm yếu đầu vào bằng 0 chỉ khi$ − )' = 0(với các giá trị $ và ' tối ưu).
Nguồn: Farrell, M.J. (1957)[48]
Sơ đồ : Đo lường hiệu quả và điểm yếu đầu vào
Điểm yếu đầu vào của A’ là số lượng đầu vàovới khoảng cách là CA’.
Trong trường hợp có nhiều đầu vào và đầu ra hơn, sẽ khó tìm kiếm các điểm gần
S
S' ⁄
⁄ O
A
B A'
C B'
D
điểm hiệu quả (điểm C) nhất cũng như việc tính toán điểm yếu. Ali & Seiford (1993) [17, tr.120-159] đề xuất giải pháp sử dụng phương trình tuyến tính hai giai đoạn để dịch chuyển điểm hiệu quả bằng cách tối đa hóa tổng các điểm yếu để dịch chuyển từ điểm không hiệu quả (A’) sang điểm hiệu quả (C) như sau:
!#,*+,,+− (-1./0 + 11.20), với: −+ &' − /0 = 0,
$− )' − 20 = 0, ' ≥ 0, /0 ≥ 0, 20 ≥ 0
(1.4)
Với OS là véc tơ M×1 của điểm yếu đầu ra, IS là K×1 véc tơ của điểm yếu đầu vào; M1, K1 các các véc tơ M×1 và K×1 của 1. Trong phương trình này, $ không phải là biến số và nhận giá trị từ kết quả của giai đoạn 1. Phương trình hai giai đoạn này cũng cần được giải cho mỗi N đơn vị ra quyết định DMU.
B - Mô hình DEA với hiệu quả thay đổi theo quy mô (VRS) và Mức quy mô hiệu quả Giả định của mô hình CRS chỉ áp dụng khi tất cả các DMU đều đang hoạt động ở quy mô tối ưu. Tuy nhiên, các yếu tố như cạnh tranh không hoàn hảo, hạn chế về tài chính v.v. có thể khiến DMU không ở quy mô tối ưu. Banker, Charnes và Cooper (1984) [20]đề xuất mở rộng mô hình CRS để giải quyết mô hình hiệu quả thay đổi theo quy mô (VRS).Có thể chuyển đổi mô hình CRS sang VRS khi đưa thêm ràng buộc về tính lồi (convexity constraint):1.' = 1và phương trình (1.3) và được viết thành:
!",#$,
với −+ &' ≥ 0
$− )' ≥ 0 1.' = 1 ' > 0
(1.5)
Trong đó N1 là véc tơ N×1 của 1. Phương pháp này tạo nên đường bao lồi gồm nhiều mặt phẳng bao phủ các điểm dữ liệu chặt chẽ hơn so với CRS,có kết quả về điểm hiệu quả lớn hơn hoặc bằng với kết quả từ VRS.
Tính toán Hiệu quả quy mô
Nhiều nghiên cứu cố gắng tách điểm số TE từ mô hình DEA CRS thành hai phần, một phần là do không hiệu quả về quy mô và một phần là do không hiệu quả
về kỹ thuật thuần. Điều này có thể được thực hiện bằng cách tính cả CRS và VRS trên cùng một mẫu dữ liệu. Nếu kết quả TE của 2 phương pháp này khác nhau đối với một DMU cụ thể, thì DMU đó không hiệu quả vê quy mô, và mức độ không hiệu quả này là hiệu số giữa VRS TE và CRS TE.
Nguồn: Farrell, M.J. (1957)[48]
Sơ đồ : Tính toán hiệu quả quy mô theo DEA
Sơ đồ4 minh họa cách tính trên với mô hình một đầu vào một đầu ra với đường bao kỹ thuật DEA cho VRS và CRS. Trong phương pháp CRS, mức độ không hiệu quả của điểm P là khoảng cách334, với phương pháp VRS, đây là khoảng cách335. Hiệu số hai khoảng cách này là mức không hiệu quả về quy mô.
Chúng ta thể hiện mức độ này bằng các thước đo hiệu quả theo tỷ lệ như sau: 67,48+= 934/93
67,58+= 935/93 07= 934/935
Trong đó 67,48+= 67,58+× 07
Mức hiệu quả theo CRS đã tách hiệu qua theo kỹ thuật và hiệu quả theo quy mô.
Hạn chế của thước đo này là không thể hiện được DMU đang vận hành với hiệu quả tăng hay giảm theo quy mô. Do đó, chúng ta cần bổ sung đường hiệu quả không tăng theo quy mô (NIRS). Tương ứng là thay thế điều kiện1.' = 1bằng điều kiện1.' ≤ 1trong phương trình (1.5), từ đó chúng ta có:
y
P Q
CRS
34
A
O x
NIRS
VRS
35
!",#$,
với −+ &' ≥ 0
$− )' ≥ 0 1.' ≤ 1 ' > 0
(1.6)
Đường bao kỹ thuật DEA NIRS được thể hiện trong Sơ đồ 4. Bản chất của sự không hiệu quả về quy mô đối với một DMU cụ thể có thể được xác định bằng cách so sánh điểm hiệu quả kỹ thuật NIRS TE với VRS TE. Nếu khác nhau (điểm P –Sơ đồ4) thì DMU đó có mức độ hiệu quả tăng theo quy mô. Nếu bằng nhau (điểm Q – Sơ đồ4) thì DMU đó có mức độ hiệu quả giảm theo quy mô.
Hướng đầu vào và đầu ra
Trong mô hình DEA hướng đầu vào, chúng ta tìm kiếm sự không hiệu quả kỹ thuật bằng tỷ lệ giảm khối lượng đầu ra có thể thực hiện được. Tuy nhiên, chúng ta cũng có thể đo lường sự không hiệu quả kỹ thuật bằng khối lượng đầu ra tăng thêm.
Haiphương pháp này có kết quả như nhau tại CRS và khác nhau tại VRS.
Tương tự như mô hình hướng đầu vào,mô hình VRS hướng đầu ra như sau.
;,#<,
với −<+ &' ≥ 0, − )' ≥ 0, 1.' = 1, ' ≥ 0
(1.7)
Trong đó1 ≤ < ≤ ∞, và < − 1là tỷ lệ tăng của đầu ra có thể đạt được của DMU thứ i với đầu vào không đổi. Tỷ lệ1/<là hệ số hiệu quả TE và có giá trị từ 0 đến 1.
C - Thông tin về giá và Hiệu quả phân phối
Nếu có thông tin về giá,đề xem xét hành vi đối tượng (tối thiểu chi phí, tối đa doanh thu) chúng ta có thể đo lường cả hiệu quả kỹ thuật lẫn hiệu quả phân phối.
Trong trường hợp tối thiểu chi phí của mô hình VRS, chúng ta thực hiện mô hình DEA hướng đầu vào tại phương trình (1.5) để tính toán mức hiệu quả kỹ thuật TE. Sau đó, chúng ta thực hiện mô hình DEA sau để tối thiểu chi phí:
!#,>?∗A.∗,
với −+ &' ≥ 0, (1.8)
∗− )' ≥ 0, 1.' = 1 ' ≥ 0
Trong đóAlà véc tơ giá đầu vào của DMU thứ i và∗ là véc tơ tối thiểu chi phí của khối lượng đầu vào của DMU thứ i với giá đầu vàoAlà mức độ đầu rakhông đổi. Tổng mức hiệu quả chi phí (cost efficiency – CE) hoặc hiệu quả kinh tế (economic efficiency) của DMU thứ i được tính như sau:
B7 = A.∗/A.
Đây là tỷ lệ giữa chi phí tối thiểu và chi phí quan sát được. Chúng ta có thể tính toán mức độ hiệu quả phân phối như sau:
AE=CE/TE
Lưu ý rằng cách tiếp cận này sẽ bao gồm các điểm yếu trong thước đo hiệu quả phân phối. Điều đó thường được giải thích rằng điểm yếu sẽ phản ánh sự kết hợp các yếu tố đầu vào không hiệu quả.
D - Dữ liệu bảng, DEA và chỉ số Malmquist
Khi có dữ liệu bảng, chúng ta có thể sử dụng phương trình tuyến tính như DEA (hướng đầu vào hoặc hướng đầu ra) và chỉ số Malmquist TFP (Malmquist Total Factor Productivity) để đo lường thay đổi hiệu quả sản xuất, và tách thay đổi hiệu quả sản xuất thành thay đổi hiệu quả kỹ thuật và thay đổi kỹ thuật.
Nghiên cứu của Farrell và cộng sự (1957) [48] cho thấy chỉ số thay đổi hiệu quả sản xuất hướng đầu ra Malmquist như sau:
C(DE, DE, D, D) = FGHIG(>IJK,LIJK)
HI(>I,LI) ×GHIJKG (>IJK,LIJK
HIJK(>I,LI) M/ (1.9)
Phương trình trên thế hiện hiệu quả sản xuất của điểm sản xuất(DE, DE)tương đối so với điểm sản xuất(D, D). Giá trị lớn hơn 1 cho biết hiệu quả sản xuất tổng TFP tăng từ giai đoạn t đến giai đoạn t+1. Chỉ số trên là trung bình nhân của hai chỉ số Malmquist TFP hướng đầu ra. Để giải phương trình số (1.9), chúng ta phải giải 4 hàm khoảng cách thành phần, bao gồm 4 phương trình tuyến tính.
Phương trình tuyến tính hướng đầu ra CRS được sử dụng để tínhNCD(D, D)tươngtự như phương trình (1.7), ngoại trừ loại bỏ điểu kiện về tính lồi (VRS) mà thay vào đó là điều kiện về thời gian như sau:
ONCD(D, D)PQ= ;,#<, với −<D+ &D' ≥ 0,
D− )D' ≥ 0, ' ≥ 0
(1.10)
Ba hàm tuyến tính còn lại là biến thể đơn giản của phương trình trên như sau:
ONCDE(DE, DE)PQ= ;,#<, với −<DE+ &DE' ≥ 0,
DE− )DE' ≥ 0, ' ≥ 0
ONCD(DE, DE)PQ= ;,#<, với −<DE+ &D' ≥ 0,
DE− )D' ≥ 0, ' ≥ 0
ONCDE(D, D)PQ= ;,#<, với −<D+ &DE' ≥ 0,
D− )DE' ≥ 0, ' ≥ 0
(1.11) (1.12) (1.13)
Tại các phương trình tuyến tính số (1.12) và (1.13), khi các điểm sản xuất được so sánh với công nghệ tại các thời điểm khác nhau, hệ số<không nhất thiết phải ≥ 1. Các điểm này có thể nằm trên đường sản xuất. Điều này đa số xảy ra với phương trình tuyến tính số (1.12) khi điểm sản xuất tại thời kỳ t+1 được so sánh với thời kỳ t. Nếu có công nghệ sản xuất được áp dụng thì giá trị của hệ số<hoàn toàn có thể <1. Cùng lưu ý rằng điều này có thể xảy ra tại phương trình tuyến tính số (1.13) khi nỗ lực cải thiện công nghệ được thực hiện tuy nhiên không hiệu quả.
Các hệ số<và'trong các phương trình tuyến tính nêu trên có giá trị khác nhau. Hơn nữa các phương trình tuyến tính này được tính toán đối với mỗi doanh nghiệp trong mẫu nghiên cứu. Kết quả đối với mỗi doanh nghiệp và tại mỗi cặp thời gian liền kề cần được lập bảng và/hoặc tóm tắt các kết quả đo lường theo thời gian.
Hiệu quả quy mô
Cách tiếp cận nêu trên có thể tách thay đổi hiệu quả kỹ thuật (CRS) thành hiệu quả quy mô và hiệu quả kỹ thuật thuần (VRS). Do đó sẽ cần giải quyết thêm 2 phương trình tuyến tính nữa (khi so sánh 2 điểm sản xuất). Đối với mỗi lần so sánh, chúng ta giải thêm các phương trình (10) và (11) với điều kiện về tính lồi VRS: 1.' = 1.