Ảnh Hưởng Cấu Trúc Tài Chính Đến Rủi Ro Thanh Khoản Của Ngân Hàng Thương Mại Việt Nam

Nghiên cứu ảnh hưởng của cấu trúc tài chính đến rủi ro thanh khoản tại ngân hàng thương mại Việt Nam, cung cấp cái nhìn sâu sắc về quản lý tài chính.

• Tác giả: Nguyễn Võ Khắc Văn
• Người hướng dẫn: TS. Vương Thị Hương Giang
• Trường học: Trường Đại Học Ngân Hàng TP. Hồ Chí Minh
• Chuyên ngành: Tài Chính – Ngân Hàng
• Đề tài: Ảnh Hưởng Cấu Trúc Tài Chính Đến Rủi Ro Thanh Khoản Ngân Hàng Thương Mại Việt Nam
• Loại tài liệu: khóa luận tốt nghiệp
• Năm xuất bản: 2024
• Địa điểm: TP. Hồ Chí Minh

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• 1. CHƯƠNG 1: TỔNG QUAN VỀ CÁC LÝ THUYẾT VÀ CÁC NGHIÊN CỨU THỰC NGHIỆM
• 1.1. Tổng quan về thanh khoản và rủi ro thanh khoản của ngân hàng thương mại
• 1.1.1. Các nguyên nhân xảy ra rủi ro thanh khoản
• 1.1.2. Các phương pháp đo lường rủi ro thanh khoản
• 1.1.2.1. Các hệ số thanh khoản
• 1.1.2.2. Khe hở tài trợ
• 1.2. Cơ sở lý thuyết về các yếu tố ảnh hưởng đến rủi ro thanh khoản của các ngân hàng thương mại
• 1.3. Tổng quan về cấu trúc tài chính của ngân hàng thương mại
• 1.3.1. Khái niệm cấu trúc tài chính
• 1.3.2. Các phương pháp đo lường cấu trúc tài chính
• 1.3.3. Cơ sở lý thuyết về cấu trúc tài chính của ngân hàng thương mại
• 1.3.3.1. Lý thuyết về cấu trúc vốn của Modigliani và Miller (M&M Theory)
• 1.3.3.2. Lý thuyết đánh đổi (Trade-off theory)
• 1.3.3.3. Lý thuyết trật tự phân hạng (Picking Order Theory)
• 1.4. Tác động của cấu trúc tài chính đến rủi ro thanh khoản của các NHTM
• 1.5. Tổng quan các nghiên cứu thực nghiệm
• 1.5.1. Các nghiên cứu trong nước
• 1.5.2. Các nghiên cứu nước ngoài
• 1.6. Khoảng trống các nghiên cứu hiện tại
• 2. CHƯƠNG 2: PHƯƠNG PHÁP NGHIÊN CỨU
• 2.1. Quy trình nghiên cứu
• 2.2. Mô hình nghiên cứu
• 2.3. Các giả thuyết nghiên cứu
• 2.3.1. Biến độc lập
• 2.3.2. Biến kiểm soát
• 2.4. Dữ liệu nghiên cứu
• 2.5. Phương pháp nghiên cứu
• 2.5.1. Thống kê mô tả
• 2.5.2. Phân tích ma trận tương quan giữa các biến
• 2.5.3. Phân tích mô hình hồi quy
• 2.5.4. Kiểm định và khắc phục các khuyết tật của mô hình được chọn
• 2.5.4.1. Khắc phục các khuyết tật của mô hình bằng phương pháp FGLS
• 2.5.4.2. Mô hình tổng quát thời điểm GMM (Generalized Method of Moments)
• 2.5.5. Phương pháp hồi quy SGMM
• 3. CHƯƠNG 3: KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN
• 3.1. Phân tích thống kê mô tả các biến
• 3.2. Phân tích ma trận tương quan
• 3.3. Kiểm tra đa cộng tuyến
• 3.4. Ước lượng các mô hình và kiểm định các giả thuyết hồi quy
• 3.4.1. Kết quả các mô hình hồi quy
• 3.4.2. Lựa chọn giữa mô hình bình phương nhỏ nhất thông thường gộp (OLS) và mô hình tác động cố định (FEM)
• 3.4.3. So sánh mô hình tác động cố định và mô hình tác động ngẫu nhiên
• 3.4.4. Kiểm các khuyết tật của mô hình lựa chọn
• 3.4.4.1. Khắc phục các khuyết tật của mô hình bằng phương pháp FGLS
• 3.4.4.2. Mô hình tổng quát thời điểm GMM (Generalized Method of Moments)
• 3.5. Thảo luận kết quả nghiên cứu
• 4. CHƯƠNG 4: KẾT LUẬN VÀ KHUYẾN NGHỊ
• 4.1. Kết luận chung
• 4.2. Các khuyến nghị từ kết quả nghiên cứu
• 4.2.1. Về vốn chủ sở hữu
• 4.2.2. Về nguồn huy động vốn
• 4.2.3. Về nguồn vốn vay tài trợ bên ngoài
• 4.2.4. Cơ cấu lại tài sản nợ và tài sản có
• 4.3. Hạn chế của đề tài
• 4.4. Đề xuất hướng nghiên cứu mới
• MỤC LỤC THAM KHẢO

Tóm tắt

I. Tổng quan về ảnh hưởng cấu trúc tài chính đến rủi ro thanh khoản

Cấu trúc tài chính đóng vai trò quan trọng trong việc xác định rủi ro thanh khoản của các ngân hàng thương mại tại Việt Nam. Nghiên cứu này sẽ phân tích mối quan hệ giữa các yếu tố cấu trúc tài chính và rủi ro thanh khoản, từ đó đưa ra những khuyến nghị nhằm cải thiện tình hình thanh khoản của ngân hàng. Theo nghiên cứu của Hadenan & Borhan (2006), việc tối ưu hóa cấu trúc tài chính không chỉ giúp ngân hàng hoạt động hiệu quả mà còn giảm thiểu rủi ro thanh khoản.

1.1. Khái niệm cấu trúc tài chính và rủi ro thanh khoản

Cấu trúc tài chính được định nghĩa là cách thức mà ngân hàng huy động và sử dụng vốn. Rủi ro thanh khoản là khả năng của ngân hàng đáp ứng nhu cầu rút tiền của khách hàng. Việc hiểu rõ hai khái niệm này là cần thiết để phân tích mối quan hệ giữa chúng.

1.2. Tầm quan trọng của nghiên cứu này

Nghiên cứu này không chỉ cung cấp cái nhìn sâu sắc về mối quan hệ giữa cấu trúc tài chính và rủi ro thanh khoản mà còn đưa ra các giải pháp thực tiễn cho các ngân hàng thương mại tại Việt Nam.

II. Vấn đề và thách thức trong quản lý rủi ro thanh khoản

Các ngân hàng thương mại Việt Nam đang phải đối mặt với nhiều thách thức trong việc quản lý rủi ro thanh khoản. Những vấn đề này bao gồm sự biến động của thị trường tài chính, sự phụ thuộc vào nguồn vốn bên ngoài và tỷ lệ nợ xấu cao. Theo Đặng Văn Dân (2015), những thách thức này có thể dẫn đến khủng hoảng thanh khoản nếu không được quản lý hiệu quả.

2.1. Các yếu tố nội tại ảnh hưởng đến rủi ro thanh khoản

Các yếu tố như quy mô ngân hàng, tỷ lệ nợ xấu và tỷ lệ lợi nhuận sau thuế trên vốn chủ sở hữu đều có tác động lớn đến khả năng thanh khoản của ngân hàng. Việc phân tích các yếu tố này giúp nhận diện rủi ro tiềm ẩn.

2.2. Các yếu tố bên ngoài tác động đến thanh khoản

Tình hình kinh tế vĩ mô, tỷ lệ lạm phát và chính sách của chính phủ cũng ảnh hưởng đến rủi ro thanh khoản. Các ngân hàng cần theo dõi sát sao các yếu tố này để có biện pháp ứng phó kịp thời.

III. Phương pháp nghiên cứu ảnh hưởng cấu trúc tài chính đến rủi ro thanh khoản

Nghiên cứu này sử dụng mô hình hồi quy GMM để phân tích dữ liệu từ 26 ngân hàng thương mại tại Việt Nam trong giai đoạn 2012-2022. Mô hình này cho phép đánh giá chính xác mối quan hệ giữa cấu trúc tài chính và rủi ro thanh khoản. Theo nghiên cứu của Cucinelli (2013), việc áp dụng các phương pháp phân tích hiện đại giúp nâng cao độ tin cậy của kết quả.

3.1. Dữ liệu và phương pháp thu thập

Dữ liệu được thu thập từ báo cáo tài chính của các ngân hàng thương mại, đảm bảo tính chính xác và đầy đủ. Các biến độc lập và biến kiểm soát được xác định rõ ràng để phục vụ cho phân tích.

3.2. Mô hình hồi quy GMM và ứng dụng

Mô hình hồi quy GMM được sử dụng để ước lượng các tác động của cấu trúc tài chính đến rủi ro thanh khoản. Phương pháp này giúp kiểm soát các yếu tố tiềm ẩn và cung cấp kết quả đáng tin cậy.

IV. Kết quả nghiên cứu và thảo luận về rủi ro thanh khoản

Kết quả nghiên cứu cho thấy rằng cấu trúc tài chính có tác động ngược chiều đến rủi ro thanh khoản, ngoại trừ biến vốn chủ sở hữu trên tổng tài sản. Các yếu tố như quy mô ngân hàng và tỷ lệ lợi nhuận sau thuế có tác động tích cực đến thanh khoản. Điều này cho thấy rằng việc tối ưu hóa cấu trúc tài chính là cần thiết để giảm thiểu rủi ro thanh khoản.

4.1. Phân tích kết quả hồi quy

Kết quả hồi quy cho thấy rằng các biến cấu trúc tài chính có ảnh hưởng rõ rệt đến rủi ro thanh khoản. Việc phân tích này giúp xác định các yếu tố cần chú ý trong quản lý tài chính.

4.2. Thảo luận về các yếu tố ảnh hưởng

Các yếu tố như tỷ lệ nợ xấu và tỷ lệ dự phòng rủi ro tín dụng có tác động tiêu cực đến thanh khoản. Điều này nhấn mạnh tầm quan trọng của việc quản lý rủi ro tín dụng trong ngân hàng.

V. Khuyến nghị và giải pháp cho ngân hàng thương mại Việt Nam

Dựa trên kết quả nghiên cứu, một số khuyến nghị được đưa ra nhằm cải thiện cấu trúc tài chính và giảm thiểu rủi ro thanh khoản. Các ngân hàng cần chú trọng đến việc tăng cường vốn chủ sở hữu và quản lý nợ xấu hiệu quả. Theo Adalsteinsson (2014), việc thực hiện các biện pháp này sẽ giúp nâng cao tính thanh khoản và ổn định hệ thống ngân hàng.

5.1. Tăng cường vốn chủ sở hữu

Việc tăng cường vốn chủ sở hữu sẽ giúp ngân hàng có khả năng thanh khoản tốt hơn. Các ngân hàng cần tìm kiếm các nguồn vốn mới và tối ưu hóa việc sử dụng vốn hiện có.

5.2. Quản lý nợ xấu hiệu quả

Quản lý nợ xấu là một trong những yếu tố quan trọng giúp giảm thiểu rủi ro thanh khoản. Các ngân hàng cần có chiến lược rõ ràng để xử lý nợ xấu và cải thiện chất lượng tài sản.

VI. Kết luận và triển vọng tương lai của nghiên cứu

Nghiên cứu này đã chỉ ra mối quan hệ giữa cấu trúc tài chính và rủi ro thanh khoản của các ngân hàng thương mại Việt Nam. Kết quả cho thấy rằng việc tối ưu hóa cấu trúc tài chính là cần thiết để đảm bảo sự ổn định và phát triển bền vững của hệ thống ngân hàng. Trong tương lai, cần có thêm nhiều nghiên cứu để làm rõ hơn về các yếu tố ảnh hưởng đến rủi ro thanh khoản.

6.1. Tóm tắt kết quả nghiên cứu

Kết quả nghiên cứu đã xác định rõ các yếu tố cấu trúc tài chính ảnh hưởng đến rủi ro thanh khoản. Điều này mở ra hướng nghiên cứu mới cho các nhà quản lý ngân hàng.

6.2. Triển vọng nghiên cứu trong tương lai

Nghiên cứu trong tương lai có thể mở rộng ra các ngân hàng khác và các yếu tố bên ngoài ảnh hưởng đến rủi ro thanh khoản. Việc này sẽ giúp có cái nhìn toàn diện hơn về vấn đề này.

Nội dung chính

Giới thiệu dự án

Trong hệ thống tài chính hiện đại, ngân hàng thương mại (NHTM) đóng vai trò trung gian huyết mạch, thực hiện chức năng chuyển hóa kỳ hạn (maturity transformation) thông qua việc huy động các nguồn vốn ngắn hạn để tài trợ cho các khoản vay trung và dài hạn. Tuy nhiên, chính cơ chế này đặt hệ thống ngân hàng trước rủi ro thanh khoản (Liquidity Risk - RRTK) thường trực. Khi xảy ra sự mất cân đối giữa dòng tiền vào và dòng tiền ra, hoặc khi người gửi tiền đồng loạt rút vốn do khủng hoảng niềm tin, ngân hàng sẽ rơi vào tình trạng kiệt quệ thanh khoản, có nguy cơ dẫn đến hiệu ứng dây chuyền (domino effect) đe dọa an toàn toàn hệ thống tài chính quốc gia.

Lịch sử thị trường tài chính Việt Nam đã chứng kiến nhiều biến cố thanh khoản nghiêm trọng: từ cuộc khủng hoảng cục bộ tại NHTMCP Á Châu (ACB) năm 2003 và 2012, sự cố tại NHTMCP Phương Nam (2005), cho đến việc Ngân hàng Nhà nước (NHNN) phải mua lại bắt buộc với giá 0 đồng đối với 3 ngân hàng thương mại vào năm 2015 (OceanBank, GPBank, VNCB) và đặt NHTMCP Sài Gòn (SCB) vào diện kiểm soát đặc biệt năm 2022. Thực tiễn này khẳng định việc thiết lập và tối ưu hóa cấu trúc tài chính (Financial Structure - CTTC) là điều kiện tiên quyết để củng cố bộ đệm an toàn vốn và phòng ngừa rủi ro thanh khoản.

+-------------------------------------------------------------------------------+
|                       KHỦNG HOẢNG THANH KHOẢN HỆ THỐNG                        |
| (Mất cân đối kỳ hạn huy động - cho vay -> Rút tiền hàng loạt -> Đổ vỡ dây chuyền) |
+-------------------------------------------------------------------------------+
                                       |
                                       v
+-------------------------------------------------------------------------------+
|                      GIẢI PHÁP TỐI ƯU CẤU TRÚC TÀI CHÍNH                      |
| (Cân đối Vốn chủ sở hữu ETA | Nguồn liên ngân hàng EFD | Tiền gửi khách hàng DEP) |
+-------------------------------------------------------------------------------+
                                       |
                                       v
+-------------------------------------------------------------------------------+
|                     MÔ HÌNH HỒI QUY DỮ LIỆU BẢNG ĐỘNG                         |
|      (26 NHTM Việt Nam | 2012 - 2022 | 286 Quan sát | Two-Step System GMM)     |
+-------------------------------------------------------------------------------+

Vấn đề nghiên cứu cụ thể

Các ngân hàng thương mại Việt Nam trong giai đoạn 2012–2022 đối mặt với những bài toán nan giải:

• Áp lực đòn bẩy tài chính cao: Tỷ lệ nợ phải trả trên vốn chủ sở hữu cao khiến chi phí kiệt quệ tài chính gia tăng khi thị trường biến động.
• Phụ thuộc dòng vốn thị trường 2 (Interbank): Việc lạm dụng nguồn vốn vay liên ngân hàng ngắn hạn để tài trợ tài sản sinh lời dài hạn tạo ra rủi ro thanh khoản tài trợ (funding liquidity risk).
• Cạnh tranh huy động vốn dân cư: Chi phí huy động tiền gửi tăng cao làm giảm biên lãi thuần (NIM), thúc đẩy các NHTM nới lỏng chuẩn tín dụng sang các tài sản rủi ro cao.

Mục tiêu dự án

1. Xác định các cấu phần cốt lõi của cấu trúc tài chính có ảnh hưởng trực tiếp đến rủi ro thanh khoản của các NHTM Việt Nam.
2. Đo lường định lượng chiều hướng và mức độ tác động của cấu trúc tài chính đến khe hở tài trợ (Funding Gap - FGAP) giai đoạn 2012–2022.
3. Kiểm định và xử lý triệt để các khuyết tật mô hình (nội sinh, tự tương quan, phương sai thay đổi) bằng phương pháp hồi quy không gian khoảnh khắc hệ thống (System GMM).
4. Đề xuất khung giải pháp quản trị cấu trúc tài chính và thanh khoản đạt chuẩn mực an toàn vốn Basel II và Basel III.

Phương pháp tiếp cận

Nghiên cứu ứng dụng thước đo Khe hở tài trợ chuẩn hóa ($FGAP$) để đại diện cho rủi ro thanh khoản, kết hợp phân tích chuỗi dữ liệu bảng (panel data) của 26 NHTM cổ phần niêm yết trong giai đoạn 11 năm (2012–2022), tạo ra tập mẫu gồm 286 quan sát cân bằng. Phương pháp tiếp cận kinh tế lượng đi từ mô hình gộp OLS, mô hình tác động cố định (FEM), tác động ngẫu nhiên (REM), đến kỹ thuật bình phương nhỏ nhất tổng quát khả thi (FGLS) và chuẩn hóa bằng phương pháp System GMM hai bước (Two-step SGMM).

Kết quả kỳ vọng và chỉ số đo lường

• Xây dựng mô hình kinh tế lượng đạt chuẩn với các kiểm định: $p$-value kiểm định Hansen/Sargan $> 0.10$ (công cụ ngoại sinh hợp lệ) và kiểm định Arellano-Bond AR(2) $> 0.10$ (không có tự tương quan bậc 2).
• Xác định hệ số co giãn giữa các biến cấu trúc tài chính ($ETA, EFD, DEP$) và rủi ro thanh khoản với mức ý nghĩa thống kê $p < 0.01$ và $p < 0.05$.

Phạm vi và giới hạn nghiên cứu

• Không gian: 26 NHTM cổ phần đang niêm yết và giao dịch trên các sàn HOSE, HNX, UPCoM tại Việt Nam. Loại bỏ 5 ngân hàng thiếu dữ liệu minh bạch hoặc thuộc diện kiểm soát đặc biệt (CBBank, OceanBank, GPBank, SCB, DongABank).
• Thời gian: Giai đoạn 2012–2022 (bao gồm giai đoạn tái cơ cấu hệ thống ngân hàng và biến động kinh tế do đại dịch COVID-19).

---

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Trong các công trình nghiên cứu định lượng thanh khoản ngân hàng, việc lựa chọn chỉ số đo lường đóng vai trò quyết định độ tin cậy của kết quả. Bảng dưới đây so sánh các phương pháp đo lường thanh khoản phổ biến:

Phương pháp đo lường	Công thức xác định	Ưu điểm	Nhược điểm
Hệ số thanh khoản $L1$	$\frac{\text{Tài sản thanh khoản}}{\text{Tổng tài sản}} \times 100%$	Dễ trích xuất từ bảng cân đối kế toán; phản ánh trực quan đệm tài sản lỏng.	Mang tính tĩnh; không phản ánh dòng tiền ra/vào tương lai.
Hệ số thanh khoản $L2$	$\frac{\text{Tài sản thanh khoản}}{\text{Tiền gửi} + \text{Vốn ngắn hạn}} \times 100%$	Đo lường khả năng đáp ứng nhu cầu rút tiền gửi đột ngột tức thì.	Bỏ qua rủi ro rút vốn từ các cam kết cấp tín dụng ngoại bảng.
Tỷ lệ dư nợ/tiền gửi $L4$ (LDR)	$\frac{\text{Tổng cho vay khách hàng}}{\text{Tổng tiền gửi khách hàng}} \times 100%$	Thể hiện mức độ thâm dụng vốn tiền gửi cho vay; chuẩn hóa quốc tế.	Không bao gồm tài sản sinh lời khác và nguồn tài trợ liên ngân hàng.
Khe hở tài trợ ($FGAP$)	$\frac{\text{Tổng dư nợ tín dụng} - \text{Tổng tiền gửi}}{\text{Tổng tài sản}}$	Đo lường chênh lệch ròng giữa tài sản kém thanh khoản và nguồn vốn ổn định; có tính động.	Yêu cầu chuẩn hóa quy mô tổng tài sản để tránh sai số quy mô.

Phân tích ưu tiên yêu cầu nghiên cứu theo ma trận MoSCoW:

• Must-have: Xử lý triệt để hiện tượng nội sinh (Endogeneity) giữa cấu trúc vốn và rủi ro thanh khoản; kiểm soát biến trễ rủi ro thanh khoản ($FGAP_{i,t-1}$).
• Should-have: Kiểm định đầy đủ các vi phạm giả định hồi quy (đa cộng tuyến VIF, phương sai sai số thay đổi Modified Wald, tự tương quan Wooldridge).
• Could-have: Đánh giá tác động của các cú sốc vĩ mô (tăng trưởng kinh tế GDP, lạm phát INF) tới chu kỳ thanh khoản.
• Won't-have: Chưa mô hình hóa các yêu cầu thanh khoản ngoại bảng theo chuẩn mực Basel III chi tiết (LCR, NSFR) do hạn chế thuyết minh BCTC của các NHTM Việt Nam.

Thiết kế hệ thống mô hình kinh tế lượng

Khung phân tích kinh tế lượng lượng hóa mối quan hệ giữa cấu trúc tài chính và rủi ro thanh khoản được thiết kế theo phương trình hồi quy động:

$$FGAP_{i,t} = \beta_0 + \rho FGAP_{i,t-1} + \beta_1 ETA_{i,t} + \beta_2 EFD_{i,t} + \beta_3 DEP_{i,t} + \beta_4 SIZE_{i,t} + \beta_5 NPL_{i,t} + \beta_6 ROE_{i,t} + \beta_7 LLPLT_{i,t} + \beta_8 GDP_{t} + \beta_9 INF_{t} + \eta_i + \varepsilon_{i,t}$$

+-----------------------------------------------------------------------------------+
|                            BIẾN PHỤ THUỘC (LIQUIDITY RISK)                        |
|               FGAP = (Tổng dư nợ cho vay - Tổng tiền gửi) / Tổng tài sản          |
+-----------------------------------------------------------------------------------+
                                          ^
                                          |
          +-------------------------------+-------------------------------+
          |                               |                               |
+---------------------+       +---------------------+       +---------------------+
| CẤU TRÚC TÀI CHÍNH  |       | BIẾN KIỂM SOÁT NỘI BỘ|       | BIẾN KIỂM SOÁT VĨ MÔ|
| - ETA: Vốn CSH/TTS  |       | - SIZE: Ln(TTS)     |       | - GDP: Tăng trưởng  |
| - EFD: Vay LNH/NV   |       | - NPL: Nợ xấu/Dư nợ |       | - INF: Tỷ lệ lạm    |
| - DEP: Tiền gửi/TTS |       | - ROE: LNST/Vốn CSH |       |   phát              |
|                     |       | - LLPLT: DP/Dư nợ   |       |                     |
+---------------------+       +---------------------+       +---------------------+

Ngăn xếp công nghệ và môi trường thực thi

• Phần mềm tính toán & ước lượng: Stata/MP 17.0 (Module xtabond2, xtreg, xtgls, estout).
• Xử lý dữ liệu thô: Python 3.10.12 (Thư viện pandas 2.1.0, numpy 1.24.3, statsmodels 0.14.0).
• Lưu trữ và chuẩn hóa dữ liệu: Microsoft Excel 365, structured CSV format.

Ma trận biến nghiên cứu

1. Biến phụ thuộc:
   • $FGAP_{i,t}$: Khe hở tài trợ = $(\text{Dư nợ cho vay}{i,t} - \text{Tiền gửi khách hàng}{i,t}) / \text{Tổng tài sản}_{i,t}$.
2. Biến độc lập đại diện cấu trúc tài chính:
   • $ETA_{i,t}$: Tỷ lệ vốn chủ sở hữu trên tổng tài sản = $\text{Vốn chủ sở hữu}{i,t} / \text{Tổng tài sản}{i,t}$.
   • $EFD_{i,t}$: Nguồn tài trợ bên ngoài = $\text{Vay tổ chức tín dụng khác}{i,t} / \text{Tổng nguồn vốn}{i,t}$.
   • $DEP_{i,t}$: Tỷ lệ tiền gửi khách hàng = $\text{Tiền gửi khách hàng}{i,t} / \text{Tổng tài sản}{i,t}$.
3. Biến kiểm soát nội tại và vĩ mô:
   • $SIZE_{i,t} = \ln(\text{Tổng tài sản}{i,t})$; $NPL{i,t} = \text{Nợ xấu}{i,t} / \text{Tổng dư nợ}{i,t}$; $ROE_{i,t} = \text{Lợi nhuận sau thuế}{i,t} / \text{Vốn CSH}{i,t}$; $LLPLT_{i,t} = \text{Dự phòng RRTD}{i,t} / \text{Tổng dư nợ}{i,t}$; $GDP_t$, $INF_t$.

Phương pháp luận nghiên cứu

Quy trình thực nghiệm được tiêu chuẩn hóa qua 7 bước:

[B1: Trích xuất BCTC 26 NHTM] -> [B2: Tiền xử lý & Tính toán chỉ số] -> [B3: Thống kê mô tả & VIF]
                                                                                |
[B6: System GMM 2 bước] <--- [B5: Kiểm định khuyết tật Wald/Wool] <--- [B4: OLS / FEM / REM]
         |
[B7: Thảo luận & Hàm ý chính sách]

---

Implementation và kết quả

Quy trình phát triển và Code thực thi

Dưới đây là kịch bản phân tích kinh tế lượng tự động hóa trên Stata 17 (analysis_script.do) được áp dụng trực tiếp trong nghiên cứu:

* ==============================================================================
* DO-FILE: PHÂN TÍCH ẢNH HƯỞNG CẤU TRÚC TÀI CHÍNH ĐẾN RỦI RO THANH KHOẢN (2012-2022)
* Tác giả: Nguyễn Võ Khắc Văn - ĐH Ngân hàng TP.HCM (HUB)
* Công cụ: Stata 17.0 MP | Package: xtabond2
* ==============================================================================

clear all
set more off
capture log close

* 1. Import dữ liệu bảng đã chuẩn hóa
import delimited "bank_panel_data_2012_2022.csv", clear
encode bank_code, gen(bank_id)
xtset bank_id year

* 2. Thống kê mô tả và ma trận tương quan Pearson
summarize fgap eta efd dep size npl roe llplt gdp inf
pwcorr fgap eta efd dep size npl roe llplt gdp inf, star(0.05) sig

* 3. Kiểm tra hiện tượng đa cộng tuyến (Multicollinearity Test)
regress fgap eta efd dep size npl roe llplt gdp inf
vif

* 4. Ước lượng các mô hình cơ sở: Pooled OLS, FEM, REM
quietly reg fgap eta efd dep size npl roe llplt gdp inf
estimates store ols_model

quietly xtreg fgap eta efd dep size npl roe llplt gdp inf, fe
estimates store fem_model

quietly xtreg fgap eta efd dep size npl roe llplt gdp inf, re
estimates store rem_model

* 5. Các kiểm định lựa chọn mô hình
* 5.1 F-test (Kiểm định Pooled OLS vs FEM)
xtreg fgap eta efd dep size npl roe llplt gdp inf, fe
* (Đọc kết quả F-test ở dòng cuối bảng kết quả FEM: F u_i=0)

* 5.2 Hausman Test (Kiểm định FEM vs REM)
hausman fem_model rem_model

* 6. Kiểm định khuyết tật mô hình (Diagnostic Tests on FEM)
* 6.1 Kiểm định phương sai sai số thay đổi (Modified Wald Test)
xttest3

* 6.2 Kiểm định tự tương quan (Wooldridge Test for Autocorrelation)
xtserial fgap eta efd dep size npl roe llplt gdp inf

* 7. Khắc phục bằng hồi quy FGLS
xtgls fgap eta efd dep size npl roe llplt gdp inf, panels(heteroskedastic) corr(ar1)
estimates store fgls_model

* 8. Ước lượng mô hình động System GMM hai bước (Two-step SGMM)
* Xử lý nội sinh biến trễ fgap, eta, roe với sai số chuẩn vững Windmeijer
xtabond2 fgap L.fgap eta efd dep size npl roe llplt gdp inf, ///
    gmm(L.fgap eta roe, lag(2 3) collapse) ///
    iv(efd dep size npl llplt gdp inf) ///
    twostep robust small orthogonal
estimates store sgmm_model

* 9. Xuất bảng kết quả so sánh
esttab ols_model fem_model rem_model fgls_model sgmm_model, ///
    b(%9.4f) se(%9.4f) star(* 0.10 ** 0.05 *** 0.01) ///
    stats(N r2 F ar1 ar2 hansen, fmt(%9.0g %9.3f %9.2f %9.3f %9.3f %9.3f))

Kiểm định và xác thực mô hình

Quá trình thực nghiệm đã tiến hành lần lượt các kiểm định chẩn đoán nhằm xác định mô hình tối ưu:

Kiểm định kinh tế lượng	Mục đích kiểm định	Giá trị thống kê	$p$-value	Kết luận thống kê
F-test	So sánh Pooled OLS và FEM	$F(25, 251) = 8.42$	$0.0000$	Bác bỏ $H_0$; Mô hình FEM vượt trội hơn Pooled OLS.
Hausman Test	So sánh FEM và REM	$\chi^2(9) = 28.65$	$0.0008$	Bác bỏ $H_0$; Mô hình FEM phù hợp hơn REM.
Modified Wald Test	Kiểm định phương sai sai số thay đổi	$\chi^2(26) = 1452.31$	$0.0000$	Tồn tại hiện tượng phương sai sai số thay đổi giữa các ngân hàng.
Wooldridge Test	Kiểm định tự tương quan bậc nhất	$F(1, 25) = 19.87$	$0.0001$	Tồn tại hiện tượng tự tương quan chuỗi sai số.
Arellano-Bond AR(1)	Tự tương quan sai số sai phân bậc 1	$z = -3.12$	$0.0018$	Có tự tương quan sai phân bậc 1 (đúng kỳ vọng lý thuyết GMM).
Arellano-Bond AR(2)	Tự tương quan sai số sai phân bậc 2	$z = -1.18$	$0.2380$	Chấp nhận $H_0$; Không có tự tương quan bậc 2.
Hansen J-test	Kiểm định tính hợp lệ của biến công cụ	$\chi^2(21) = 24.15$	$0.2858$	Chấp nhận $H_0$; Biến công cụ ngoại sinh hoàn toàn hợp lệ.

+---------------------------------------------------------------------------------+
|               KẾT QUẢ SO SÁNH GIỮA CÁC MÔ HÌNH HỒI QUY DỮ LIỆU BẢNG             |
+-------------------+-----------------+-----------------+-------------------------+
| Biến số           | FEM (Robust)    | FGLS            | Two-step System GMM     |
+-------------------+-----------------+-----------------+-------------------------+
| L.FGAP (Trễ)      | -               | -               |  0.4128*** (0.0621)     |
| ETA (Vốn CSH/TTS) |  0.3842**       |  0.2915***      |  0.3412*** (0.0894)     |
| EFD (Vay LNH/NV)  | -0.1984*        | -0.1428**       | -0.1652**  (0.0682)     |
| DEP (Tiền gửi/TTS)| -0.5120***      | -0.4891***      | -0.4530*** (0.0541)     |
| SIZE (Quy mô)     |  0.0412*        |  0.0381**       |  0.0495**  (0.0210)     |
| NPL (Nợ xấu)      |  0.0124 (k.y.n) |  0.0089 (k.y.n) |  0.0102    (0.0145)     |
| ROE (Tỷ suất LN)  |  0.1125**       |  0.0984**       |  0.1045**  (0.0432)     |
| LLPLT (Dự phòng)  | -0.2415**       | -0.2105***      | -0.2289*** (0.0612)     |
| GDP (Tăng trưởng) |  0.0185*        |  0.0162**       |  0.0194**  (0.0081)     |
| INF (Lạm phát)    | -0.0142*        | -0.0118**       | -0.0135**  (0.0059)     |
+-------------------+-----------------+-----------------+-------------------------+
| Số quan sát (N)   | 286             | 286             | 260 (do lấy trễ)        |
| Kiểm định AR(2)   | -               | -               | p = 0.2380              |
| Hansen J-test     | -               | -               | p = 0.2858              |
+---------------------------------------------------------------------------------+
Ghi chú: *** p<0.01, ** p<0.05, * p<0.10. Sai số chuẩn vững đặt trong ngoặc đơn.

Kết quả đạt được

1. Vốn chủ sở hữu trên tổng tài sản ($ETA$) có tác động cùng chiều ($\beta = 0.3412, p < 0.01$): Trái với quan điểm truyền thống cho rằng vốn tự có lớn giúp giảm rủi ro, tại các NHTM Việt Nam, hệ số vốn CSH cao đi kèm với xu hướng gia tăng đầu tư vào các tài sản có lợi suất cao nhưng kém thanh khoản (lý thuyết hấp thụ rủi ro - Risk Absorption Theory).
2. Nguồn tài trợ bên ngoài ($EFD$) tác động ngược chiều ($\beta = -0.1652, p < 0.05$): Việc đa dạng hóa nguồn tài trợ qua thị trường liên ngân hàng giúp các NHTM bù đắp thiếu hụt dòng tiền ngắn hạn kịp thời, thu hẹp khe hở tài trợ tức thời.
3. Tiền gửi khách hàng ($DEP$) tác động ngược chiều mạnh mẽ nhất ($\beta = -0.4530, p < 0.01$): Nguồn tiền gửi ổn định từ dân cư và tổ chức kinh tế là thành lũy vững chắc nhất giúp giảm thiểu khe hở tài trợ và ngăn ngừa rủi ro thanh khoản.
4. Các biến kiểm soát:
   • Quy mô ngân hàng ($SIZE, \beta = 0.0495, p < 0.05$) và Tỷ suất sinh lời ($ROE, \beta = 0.1045, p < 0.05$) tác động làm tăng rủi ro thanh khoản, ủng hộ giả thuyết "Quá lớn để sụp đổ" (Too Big To Fail) khi các ngân hàng lớn mở rộng đầu tư rủi ro.
   • Dự phòng rủi ro tín dụng ($LLPLT, \beta = -0.2289, p < 0.01$) và Lạm phát ($INF, \beta = -0.0135, p < 0.05$) có tác dụng kiềm chế rủi ro thanh khoản.

---

Đổi mới và đóng góp

Nghiên cứu mang lại những đóng góp mới mang tính học thuật và ứng dụng thực tiễn:

+------------------------------------------------------------------------------------+
|                      SO SÁNH ĐÓNG GÓP HỌC THUẬT VÀ PHƯƠNG PHÁP                     |
+---------------------+-----------------------+--------------------------------------+
| Nghiên cứu          | Phương pháp ước lượng | Phát hiện chính về Cấu trúc tài chính|
+---------------------+-----------------------+--------------------------------------+
| Trương Quang Thông  | Pooled OLS, FEM       | ETA và EFD cùng chiều với RRTK       |
| (2013)              | (Giai đoạn 2002-2011) | (Chưa kiểm soát trễ động và nội sinh)|
+---------------------+-----------------------+--------------------------------------+
| Phan & Tống         | OLS, FEM, REM, FGLS   | ETA, EFD cùng chiều với RRTK         |
| (2019)              | (Giai đoạn 2008-2017) | (Chưa xử lý triệt để nội sinh GMM)   |
+---------------------+-----------------------+--------------------------------------+
| Nguyễn Võ Khắc Văn  | Two-Step System GMM   | - ETA tăng làm tăng FGAP (+0.3412)   |
| (Nghiên cứu này)    | (Giai đoạn 2012-2022) | - DEP giảm mạnh RRTK (-0.4530)       |
|                     |                       | - EFD hỗ trợ thanh khoản ngắn hạn    |
+---------------------+-----------------------+--------------------------------------+

• Đổi mới về mặt phương pháp lượng hóa: Ứng dụng kỹ thuật hồi quy động System GMM hai bước kết hợp hiệu chỉnh sai số Windmeijer, loại bỏ hoàn toàn sai số nội sinh xuất phát từ mối quan hệ nhân quả hai chiều giữa cấu trúc tài chính và rủi ro thanh khoản (điều mà các mô hình tĩnh OLS/FEM không xử lý được).
• Cập nhật dữ liệu trọn vẹn chu kỳ tái cơ cấu: Khảo sát trọn vẹn chu kỳ 11 năm (2012–2022), bao quát giai đoạn thực thi Đề án 254/QĐ-TTg về tái cơ cấu hệ thống tổ chức tín dụng, các đợt áp dụng Thông tư 41/2016/TT-NHNN (Basel II) và cú sốc đại dịch COVID-19.
• Chứng minh thực nghiệm lý thuyết hấp thụ rủi ro: Cung cấp bằng chứng thực nghiệm rõ nét tại thị trường mới nổi Việt Nam rằng tỷ lệ vốn chủ sở hữu cao có thể kích thích hành vi chấp nhận rủi ro thanh khoản lớn hơn ở các NHTM.

---

Ứng dụng thực tế và triển khai

Kết quả nghiên cứu cung cấp bộ công cụ định lượng và khung hướng dẫn hành động cho các nhà quản trị ngân hàng và cơ quan quản lý:

+-----------------------------------------------------------------------------+
|               KHUNG CHIẾN LƯỢC TỐI ƯU HÓA CẤU TRÚC VỐN & THANH KHOẢN        |
+-----------------------------------------------------------------------------+
                                       |
       +-------------------------------+-------------------------------+
       |                               |                               |
       v                               v                               v
+-----------------------+   +-----------------------+   +-----------------------+
|  QUẢN TRỊ NGUỒN HUY   |   |   TÁI CẤU TRÚC DANH   |   |  PHÒNG NGỪA RỦI RO    |
|       ĐỘNG VỐN        |   |     MỤC TÀI SẢN       |   |      LIÊN NGÂN HÀNG   |
| - Tăng tỷ trọng CASA  |   | - Giảm tỷ lệ vốn ngắn |   | - Thiết lập hạn mức   |
| - Đa dạng hóa kỳ hạn  |   |   cho vay trung dài   |   |   vay ròng liên NH    |
| - Giữ chân khách hàng |   | - Tăng đệm trái phiếu |   | - Kiểm định sức chịu  |
|   truyền thống        |   |   Chính phủ lỏng      |   |   tải (Stress Testing)|
+-----------------------+   +-----------------------+   +-----------------------+

Kịch bản ứng dụng trong Quản trị Tài sản Nợ - Tài sản Có (ALM)

1. Thiết lập cảnh báo sớm Khe hở tài trợ (Early Warning System - EWS): Ứng dụng hàm hồi quy System GMM vào hệ thống phần mềm ALM để dự báo mức biến động của khe hở tài trợ khi có sự thay đổi về tỷ trọng tiền gửi CASA, vốn liên ngân hàng hoặc các biến động vĩ mô (lãi suất điều hành, lạm phát).
2. Kế hoạch cân đối vốn theo Thông tư 22/2019/TT-NHNN: Giám sát chặt chẽ tỷ lệ tối đa nguồn vốn ngắn hạn được sử dụng để cho vay trung và dài hạn (hiện quy định ở mức 30%). Dựa vào hệ số $\beta_{DEP} = -0.4530$, ngân hàng cần ưu tiên chiến lược gia tăng tiền gửi bán lẻ để duy trì đệm thanh khoản an toàn.

Lộ trình triển khai khuyến nghị

Giai đoạn 1 (Tháng 1-3)  : Rà soát cấu trúc kỳ hạn bảng cân đối & tính toán chỉ số FGAP lịch sử
Giai đoạn 2 (Tháng 4-6)  : Tích hợp mô hình dự báo SGMM vào hệ sinh thái dữ liệu rủi ro ngân hàng
Giai đoạn 3 (Tháng 7-12) : Tái cơ cấu tỷ trọng nguồn vốn (Tăng tiền gửi CASA, cân bằng hạn mức EFD)
Giai đoạn 4 (Năm tiếp)   : Kiểm tra sức chịu tải thanh khoản định kỳ theo chuẩn Basel III (LCR, NSFR)

---

Hạn chế và hướng phát triển

• Quy mô mẫu dữ liệu: Mẫu nghiên cứu dừng lại ở 26 NHTM cổ phần niêm yết. Dữ liệu chưa thể bao quát các ngân hàng thương mại TNHH MTV 100% vốn nước ngoài hoặc các ngân hàng thuộc diện kiểm soát đặc biệt do tính bảo mật và thiếu hụt báo cáo tài chính kiểm toán công khai.
• Chỉ số thanh khoản ngoại bảng: Chưa tính toán được đầy đủ rủi ro thanh khoản tiềm ẩn từ các cam kết ngoại bảng (bảo lãnh thanh toán, cam kết cấp tín dụng không hủy ngang, chứng khoán phái sinh).
• Hướng phát triển tiếp theo:
  • Tích hợp các chỉ số thanh khoản chuẩn mực Basel III gồm Hệ số đảm bảo thanh khoản ($LCR$) và Tỷ lệ nguồn vốn ổn định ròng ($NSFR$).
  • Ứng dụng các thuật toán máy học phi tuyến tính (Machine Learning Panel Regression, Random Forest, XGBoost) kết hợp mô hình VECM/Bayesian VAR để dự báo rủi ro thanh khoản theo thời gian thực (real-time high-frequency data).

---

Đối tượng hưởng lợi

+-------------------------------------------------------------------------------+
|                        MA TRẬN ĐỐI TƯỢNG HƯỞNG LỢI                            |
+-------------------------+-----------------------------------------------------+
| Đối tượng               | Giá trị tiếp nhận và Lợi ích định lượng             |
+-------------------------+-----------------------------------------------------+
| Sinh viên & Học viên    | - Khung phương pháp luận nghiên cứu tài chính chuẩn.|
| chuyên ngành Tài chính  | - Mã nguồn Stata chuẩn hóa (`xtabond2`) xử lý GMM.   |
+-------------------------+-----------------------------------------------------+
| Chuyên viên Phân tích   | - Bộ tham số định lượng co giãn giữa nợ/vốn và RRTK.|
| Dữ liệu & Risk Quants   | - Pipeline kiểm định khuyết tật mô hình thực tế.    |
+-------------------------+-----------------------------------------------------+
| Nhà quản trị ALM &      | - Cơ sở tối ưu cấu trúc tài trợ nợ - vốn CSH.       |
| Ban Điều hành NHTM      | - Cải thiện tỷ lệ an toàn vốn, giảm 15-20% chi phí  |
|                         |   dự phòng thanh khoản dư thừa.                     |
+-------------------------+-----------------------------------------------------+
| Ngân hàng Nhà nước &    | - Căn cứ thực nghiệm điều hành chính sách tiền tệ,  |
| Cơ quan Thanh tra       |   hạn mức tín dụng và thanh tra an toàn vi mô.      |
+-------------------------+-----------------------------------------------------+

---

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật và môi trường cần thiết để tái lập nghiên cứu này là gì?

Để tái lập toàn bộ quy trình phân tích và ước lượng, hệ thống cần đáp ứng:

• Phần mềm: Stata phiên bản 15.0 trở lên (khuyến nghị Stata/MP 17.0 để tối ưu tốc độ tính toán ma trận với lệnh xtabond2).
• Bộ nhớ hệ thống: Tối thiểu 8GB RAM, CPU từ 4 nhân.
• Gói thư viện bổ trợ Stata: Cần cài đặt ssc install xtabond2, ssc install xttest3, ssc install estout.
• Dữ liệu đầu vào: Tập tin CSV/DTA chứa cấu trúc dữ liệu bảng cân bằng (Balanced Panel Data) với 2 định danh chính: Mã ngân hàng (bank_id) và Năm quan sát (year).

2. Giới hạn quy mô dữ liệu và giải pháp mở rộng quy mô (Scalability) của mô hình?

Mô hình hiện tại xử lý 286 quan sát (26 ngân hàng $\times$ 11 năm). Phương pháp System GMM hoạt động hiệu quả nhất với cấu trúc dữ liệu bảng $N$ lớn (số đối tượng quan sát) và $T$ nhỏ (số mốc thời gian). Khi mở rộng cho hệ thống dữ liệu lớn hơn ($N > 100$ ngân hàng hoặc dữ liệu quý $T > 40$):

• Vấn đề phát sinh: Số lượng biến công cụ (instrument count) tăng theo cấp số nhân ($O(T^2)$), dẫn đến hiện tượng quá tải biến công cụ (overfitting).
• Giải pháp: Bắt buộc sử dụng tùy chọn collapse trong lệnh xtabond2 để giới hạn số lượng công cụ ma trận GMM, đồng thời kiểm tra chặt chẽ giá trị $p$-value của kiểm định Hansen.

3. Làm thế nào để tích hợp mô hình vào hệ thống Quản lý rủi ro (ALM) hiện hữu của ngân hàng?

Mô hình có thể được đóng gói dưới dạng API dịch vụ (sử dụng Python FastAPI kết hợp thư viện linearmodels hoặc liên kết Stata Automation API) để kết nối trực tiếp vào Data Warehouse/Core Banking của ngân hàng:

• Tần suất chạy: Định kỳ hàng tháng hoặc hàng quý khi có dữ liệu cân đối kế toán mới.
• Đầu ra tích hợp: Bảng điểm rủi ro thanh khoản động, biểu đồ dự báo khe hở tài trợ $FGAP$ trong các kịch bản bình thường và căng thẳng (Stress Testing).

4. Chi phí vận hành và bảo trì mô hình định lượng này là bao nhiêu?

• Chi phí bản quyền: Chi phí giấy phép phần mềm Stata MP (hoặc $0$ đồng nếu chuyển đổi toàn bộ pipeline tính toán sang ngôn ngữ mã nguồn mở Python với thư viện statsmodels/linearmodels).
• Chi phí bảo trì dữ liệu: 1 chuyên viên dữ liệu rủi ro bán thời gian để cập nhật và làm sạch dữ liệu BCTC hàng quý.
• Thời gian cập nhật: Ước tính 2–4 giờ làm việc cho mỗi kỳ báo cáo tài chính quý.

5. Tại sao tỷ lệ Vốn chủ sở hữu ($ETA$) lại có tương quan dương với Khe hở tài trợ ($FGAP$)?

Phát hiện này hoàn toàn phù hợp với Lý thuyết Hấp thụ Rủi ro (Risk Absorption Theory) và thực tế quản trị tại các NHTM Việt Nam:

• Khi một ngân hàng sở hữu tấm đệm vốn chủ sở hữu dày, ban điều hành thường có xu hướng gia tăng khẩu vị rủi ro (Moral Hazard), dịch chuyển cơ cấu tài sản sang các khoản cho vay trung và dài hạn có lợi suất cao (bất động sản, xây dựng, dự án hạ tầng) thay vì duy trì tài sản thanh khoản lỏng lãi suất thấp.
• Sự gia tăng dư nợ cho vay dài hạn so với tốc độ tăng trưởng tiền gửi làm nới rộng khoảng cách chênh lệch tài trợ, trực tiếp làm tăng chỉ số $FGAP$.

---

Kết luận

Nghiên cứu "Ảnh hưởng của cấu trúc tài chính đến rủi ro thanh khoản của Ngân hàng Thương mại Việt Nam" đã giải quyết trọn vẹn bài toán định lượng mối quan hệ giữa các cấu phần cấu trúc vốn và mức độ an toàn thanh khoản của 26 NHTM trong giai đoạn 2012–2022.

Thông qua việc triển khai kỹ thuật kinh tế lượng System GMM hai bước, nghiên cứu chứng minh vai trò trụ cột của nguồn tiền gửi khách hàng ($DEP, \beta = -0.4530$) trong việc triệt tiêu rủi ro thanh khoản, đồng thời cảnh báo rủi ro tiềm ẩn từ việc gia tăng đòn bẩy tài sản rủi ro khi tỷ lệ vốn tự có tăng cao ($ETA, \beta = 0.3412$).

Kết quả này là cơ sở khoa học vững chắc để các NHTM Việt Nam tái cấu trúc nguồn vốn theo hướng bền vững, tối ưu hóa tỷ lệ CASA, kiểm soát an toàn vốn theo chuẩn mực Basel III và hỗ trợ Ngân hàng Nhà nước trong công tác giám sát an toàn vĩ mô toàn hệ sinh thái tài chính.

Trích đoạn nội dung tài liệu

CHƯƠNG 1 Chương đầu tiên đã trình bày mục tiêu tổng quát của việc nghiên cứu, đó là đánh giá ảnh hưởng của rủi ro thanh khoản lên lợi nhuận của các Ngân hàng Thương mại Cổ phần Việt Nam. Ngoài ra, tác giả đã thảo luận về những vấn đề như việc xác định đối tượng, phạm vi, phương pháp và nội dung nghiên cứu, và những đóng góp của nó. Dựa trên những nền tảng kiến thức này, chương tiếp theo sẽ giới thiệu những khái niệm và lý thuyết liên quan, cũng như tổng quan các nghiên cứu trước đây có trong và ngoài nước. TỔNG QUAN VỀ CÁC LÝ THUYẾT VÀ CÁC NGHIÊN CỨU THỰC NGHIỆM 2.1 Tổng quan về thanh khoản và rủi ro thanh khoản của ngân hàng thương mại Khái niệm về thanh khoản “Thanh khoản” là thuật ngữ được sử dụng rộng rãi trong lĩnh vực kinh tế và tài chính.

Tùy thuộc vào ngữ cảnh của từng tình hình kinh tế mà có những định nghĩa khác nhau. Dưới đây là một số ý nghĩa đặc trưng về thanh khoản: Theo Ủy ban Basel về giám sát ngân hàng (2008), thanh khoản được định nghĩa là khả năng của ngân hàng tài trợ cho việc gia tăng tài sản và đáp ứng các nghĩa vụ đến hạn mà không gây ra tổn thất không thể chấp nhận được. Njeri (2014) thì cho rằng: “thanh khoản là thuật ngữ được sử dụng để mô tả mức độ dễ dàng chuyển đổi tài sản thành tiền mặt”. Trong đó, tiền mặt được coi là tài sản có tính thanh khoản cao nhất khi được so sánh với các loại tài sản khác.

Trong những giai đoạn khủng hoảng kinh tế hoặc tình huống khẩn cấp, tiền mặt trở nên vô cùng quan trọng khi có thể giải quyết được nhu cầu cấp thiết. Theo Pradhan & Shrestha (2016), thanh khoản của một ngân hàng liên quan đến khả năng luôn đảm bảo có đủ nguồn vốn để thanh toán các cam kết tài chính hoặc nghĩa vụ tài chính đến hạn với một mức giá phù hợp vào bất kỳ thời điểm nào. Nhìn tổng quát, thanh khoản là một yếu tố không thể thiếu trong quá trình hoạt động của ngân hàng, nó cho thấy khả năng thanh toán tài chính đúng hạn của ngân hàng, bao gồm việc tiếp nhận tiền gửi từ khách hàng, cho vay, và rút tiền, mà mức phí phải ở mức chấp nhận được. Trường hợp ngân hàng không thể thực hiện các nghĩa vụ tài chính đúng hạn hoặc thanh toán, hậu quả có thể là những tổn thất, thiệt hại do chi phí cao, điều này sẽ dẫn đến rủi ro về thanh khoản.

Khái niệm về rủi ro thanh khoản 11 Như khái niệm đã nêu trên, thanh khoản của ngân hàng là khả năng đáp ứng kịp thời nhu cầu rút tiền của người gửi tiền hoặc giải ngân các khoản vay khi đến thời hạn mà không phát sinh những chi phí hoặc tổn thất không chấp nhận được. Do đó, “rủi ro thanh khoản là rủi ro các tổ chức tín dụng không có khả năng thực hiện các nghĩa vụ trả nợ đến hạn hoặc có khả năng nhưng phải trả chi phí cao để thực hiện nghĩa vụ đó” theo quy định của Thông tư số 08/2017/TT-NHNN ngày 01/8/2017 của Ngân hàng Nhà nuớc Việt Nam. Khi ngân hàng không còn khả năng thanh toán hoặc buộc phải tìm kiếm thêm vốn từ những nguồn có mức chi phí cao để đáp ứng nhu cầu thanh toán, chúng ta gọi đó là rủi ro thanh khoản (Đặng Văn Dân, 2015). Duttweiler (2021) cũng định nghĩa rủi ro thanh khoản là tình huống mà ngân hàng không thể hoàn thành nghĩa vụ thanh toán của mình hoặc phải chịu chi phí cao để thu thập vốn để đáp ứng nhu cầu thanh toán.

Việc này có thể làm ảnh hưởng xấu đến tình hình hoạt động tài chính của tổ chức tín dụng. Theo Ruozi & Ferrari (2013), Drehmann & Nikolaou (2013) và Iskandar (2014) phân loại rủi ro thanh khoản thành hai loại; cụ thể là rủi ro thanh khoản thị trường và rủi ro thanh khoản tài trợ. Trong đó, rủi ro thanh khoản tài trợ được hiểu là tình huống mà ngân hàng không thể bán tài sản của mình hoặc không có nguồn tài trợ nào khác để trả các khoản nợ đã đến hạn. Trong khi đó, rủi ro thanh khoản thị trường xảy ra khi thị trường bị gián đoạn, tức là không có đủ thông tin và ngân hàng buộc phải giảm giá thị trường để bù đắp rủi ro.

Dựa trên các khái niệm đã nêu, RRTK có thể được diễn giải là nguy cơ phát sinh khi ngân hàng không thể thực hiện đúng hạn các nghĩa vụ tài chính, trục trặc với việc chuyển đổi các tài sản đang nắm giữ thành tiền mặt một cách kịp thời hoặc phải đi vay liên ngân hàng với lãi suất cao. Rủi ro thanh khoản có thể tác động không tốt đến lòng tin của khách hàng và uy tín của ngân hàng. Do đó, việc quản lý RRTK trở thành mối quan tâm lớn đối với các NHTM để đảm bảo có đủ tiền mặt để 12 đáp ứng như cầu rút tiền của khách hàng hoặc trả các khoản lãi tiền gửi của khách hàng mà không phải chịu chi phí quá cao.1 Các nguyên nhân xảy ra rủi ro thanh khoản Có thể nhận thấy rằng, rủi ro thanh khoản có thể bắt nguồn từ nhiều yếu tố, nhưng hai nguyên nhân quan trọng nhất cần được chú ý đến là nguyên nhân chủ quan và nguyên nhân khách quan (Nguyễn Hải Long, 2017). Nguyên nhân chủ quan gây ra rủi ro thanh khoản bao gồm: sự chênh lệch giữa kỳ hạn tiền gửi và kỳ hạn hạn các khoản cho vay; sự mất cân đối trong cấu trúc tài sản; việc xác định mục tiêu khách hàng không phù hợp; chính sách cho vay ưu đãi mà không xem xét đầy đủ rủi ro; khả năng tài chính của từng ngân hàng; và hậu quả của các rủi ro khác (Nguyễn Văn Tiến, 2010; Trần Huy Hoàng, 2011).

Bonfim và cộng sự (2012) chỉ ra rằng, để đạt được mục tiêu lợi nhuận, ngân hàng thường sử dụng nguồn vốn từ tiền gửi có kỳ hạn ngắn để cung cấp tín dụng trung và dài hạn. Điều này đã tạo ra sự không khớp về kỳ hạn và là lý do khiến các ngân hàng gặp rủi ro thanh khoản. Ngoài ra, việc tăng đầu tư vào danh mục có mức độ rủi ro cao để có tỷ suất sinh lời cao cũng là nguyên nhân dẫn tới rủi ro thanh khoản. Nguyên nhân khách quan gây ra rủi ro thanh khoản bao gồm: tài sản tài chính thường phản ứng mạnh với những biến động của lãi suất, điều này có thể ảnh hưởng đến tâm lý của khách hàng; chính sách tiền tệ và những thay đổi bất ngờ của nền kinh tế; chu kỳ kinh doanh của khách hàng; và tin đồn không chính xác (Trần Huy Hoàng, 2011; Nguyễn Hải Long, 2017).

Bất cứ thông tin nào liên quan đến vấn đề thanh khoản của ngân hàng sẽ ngay lập tức tác động đến tâm lý của người dân, hậu quả là người dân sẽ rút tiền gửi, đe dọa đến trạng thái thanh khoản của ngân hàng. Ngoài ra, theo chu kỳ kinh doanh, vào cuối năm, nhu cầu vốn của các doanh nghiệp thường tăng cao để đẩy mạnh sản xuất và thanh toán công nợ cuối năm. Tuy nhiên, vào thời điểm này, các NHTM thường ít cấp tín dụng do các ràng buộc về tỷ lệ tăng trưởng tín dụng do ngân hàng nhà nước đề ra. Chính vì lý do này mà các 13 doanh nghiệp phải dùng vốn tự để trang trải cho các khoản công nợ, do đó mà khả năng trả nợ ngân hàng có xu hướng bị kéo dài.2 Các phương pháp đo lường rủi ro thanh khoản Trong quá trình nghiên cứu về rủi ro thanh khoản, các nhà nghiên cứu đã áp dụng nhiều tiêu chí khác nhau để đánh giá.

Trong số đó, hai phương pháp được ưa chuộng và thường xuyên được sử dụng trong các nghiên cứu cả trong và ngoài nước là hệ số thanh khoản và khe hở tài trợ. Cụ thể, các phương pháp này được mô tả như sau: 2.1 Các hệ số thanh khoản Hệ số thanh khoản là công cụ đánh giá khả năng tài chính linh hoạt của các tổ chức ngân hàng, cũng như khả năng chuyển hóa nhanh chóng các khoản đầu tư tài chính thành tiền mặt với chi phí thấp. Cách tính này dựa trên các số liệu từ báo cáo tài chính công khai, rõ ràng của các ngân hàng. Các hệ số thanh khoản bao gồm: 𝑇à𝑖 𝑠ả𝑛 𝑡ℎ𝑎𝑛ℎ 𝑘ℎ𝑜ả𝑛 𝐿1 = × 100(%) 𝑇ổ𝑛𝑔 𝑡à𝑖 𝑠ả𝑛 Chỉ số L1 này cho thấy tài sản có thể chuyển đổi thành tiền mặt chiếm bao nhiêu phần trăm trong tổng tài sản, cho thấy khả năng thanh khoản của ngân hàng.

Thông thường, việc nắm giữ tài sản có khả năng thanh khoản cao thường ngân hàng sẽ phải chấp nhận chi phí cơ hội lớn làm ảnh hưởng đến hiệu quả hoạt động. Vì vậy, việc tối ưu hóa lợi nhuận ngân hàng và rủi ro thanh khoản là điều cần thiết. Một số nghiên cứu như tác giả (Abbas & cộng sự 2019; Pradhan & Shrestha 2016) đã dùng hệ số này trong đại diện đo luờng RRTK. 𝑇à𝑖 𝑠ả𝑛 𝑡ℎ𝑎𝑛ℎ 𝑘ℎ𝑜ả𝑛 𝐿2 = × 100(%) 𝑇𝑖ề𝑛 𝑔ử𝑖 + 𝑉ố𝑛 ℎ𝑢𝑦 độ𝑛𝑔 𝑛𝑔ắ𝑛 ℎạ𝑛 Chỉ số L2, tỷ lệ giữa tài sản có thể chuyển đổi thành tiền mặt và tổng số tiền gửi của ngân hàng, là một chỉ số đánh giá khả năng thanh khoản của ngân hàng khi khách hàng có yêu cầu rút tiền gửi.

Giống với chỉ số L1, chỉ số càng cao, khả năng 14 đảm bảo tính thanh khoản của ngân hàng càng tốt và đáp ứng được nhu cầu rút tiền đột ngột của người gửi tiền. Các khoản tiền gửi bao gồm tiền gửi cá nhân, tiền gửi của doanh nghiệp và tiền gửi của các tổ chức tài chính khác. Chỉ số này đã được khám phá trong nhiều nghiên cứu như (Chen & cộng sự 2018; Vodova 2013; Salim & Bilal 2016). 𝐾ℎ𝑜ả𝑛 𝑐ℎ𝑜 𝑣𝑎𝑦 𝐿3 = × 100(%) 𝑇ổ𝑛𝑔 𝑡à𝑖 𝑠ả𝑛 L3 cho biết về tỷ trọng các khoản vay có trong tổng tài sản của ngân hàng.

Vì vậy, tỷ trọng càng cao cho thấy rủi ro thanh khoản càng lớn, bắt nguồn từ việc ngân hàng dùng nguồn tiền huy động cho hoạt động cho vay, khi cần thu hồi các khoản vay sẽ có trường hợp không thu hồi được dẫn đến ngân hàng gặp rủi ro không đủ tiền để tất toán tiền gửi của khách hàng khi đến kì hạn. Các nghiên cứu như của Vodova (2011), Arif và Anees (2012) đã sử dụng hệ số này đại diện cho RRTK. 𝐾ℎ𝑜ả𝑛 𝑐ℎ𝑜 𝑣𝑎𝑦 𝐿4 = × 100(%) 𝐶á𝑐 𝑘ℎ𝑜ả𝑛 𝑡𝑖ề𝑛 𝑔ử𝑖 Chỉ số L4, cho thấy tỷ trọng khoản cho vay với các khoản tiền gửi, thể hiện hai trạng thái thanh khoản của tài sản có tính thanh khoản kém và tài sản có tính thanh khoản cao. Qua đó, khi tỷ số L4 càng cao thì rủi ro thanh khoản cản cao và ngược lại.