Giới thiệu dự án

Thị trường tài chính Việt Nam bước vào giai đoạn tái cấu trúc toàn diện theo các chuẩn mực quốc tế khắt khe như Basel II và Basel III. Ngành ngân hàng đóng vai trò mạch máu luân chuyển vốn cho toàn bộ nền kinh tế với tổng tài sản đạt hơn 20,07 triệu tỷ đồng tính đến cuối năm 2023 (tăng 9,83% so với năm 2022). Tuy nhiên, những biến động kinh tế vĩ mô toàn cầu, áp lực nợ xấu tăng cao (chạm mức 2,2% vào cuối quý III/2023), cùng sự suy giảm biên lãi thuần (NIM) đã đặt các tổ chức tín dụng (TCTD) trước bài toán cấp thiết: Tối ưu hóa đòn bẩy tài chính để gia tăng hiệu quả sinh lời mà vẫn đảm bảo tính an toàn hệ thống.

Vấn đề cốt lõi (Problem Statement) nằm ở sự xung đột giữa việc gia tăng vốn chủ sở hữu nhằm củng cố hệ số an toàn vốn (CAR) và việc duy trì tỷ suất sinh lời trên vốn chủ sở hữu (ROE) cho các cổ đông. Nhiều ngân hàng phụ thuộc quá lớn vào nguồn tiền gửi khách hàng (chiếm trên 65% - 70% tổng nguồn vốn) đối mặt với chi phí trả lãi cao khi thanh khoản thị trường biến động, dẫn đến xói mòn lợi nhuận ròng. Ngược lại, việc giảm tỷ lệ đòn bẩy làm suy giảm lợi ích của lá chắn thuế theo Lý thuyết Đánh đổi (Trade-off Theory) và Lý thuyết Trật tự Phân hạng (Pecking Order Theory).

Mục tiêu cụ thể của dự án nghiên cứu:

  1. Hệ thống hóa cơ sở lý luận về cơ cấu vốn (Capital Structure) và khả năng sinh lời (Profitability) trong lĩnh vực tài chính - ngân hàng.
  2. Xây dựng mô hình kinh tế lượng dữ liệu bảng (Panel Data) nhằm lượng hóa chiều hướng và mức độ tác động của vốn chủ sở hữu (CAP) cùng các biến kiểm soát nội tại và vĩ mô đến ROA, ROE của 21 NHTM Việt Nam giai đoạn 2014 – 2023 (210 quan sát).
  3. Đề xuất giải pháp và lộ trình tối ưu hóa cấu trúc vốn, quản trị rủi ro thanh khoản nhằm duy trì hiệu quả sinh lời bền vững.

Phương pháp tiếp cận giải pháp sử dụng phương pháp định lượng hồi quy đa biến dữ liệu bảng, tuần tự kiểm định từ Hồi quy gộp (Pooled OLS), Mô hình tác động cố định (FEM), Mô hình tác động ngẫu nhiên (REM), đến kỹ thuật Ước lượng Bình phương Tối thiểu Tổng quát Khả thi (FGLS - Feasible Generalized Least Squares) nhằm triệt tiêu hoàn toàn hiện tượng phương sai sai số thay đổi và tự tương quan chuỗi.

Dự án giới hạn phạm vi nghiên cứu tại 21 NHTM cổ phần và NHTM Nhà nước niêm yết trên các sàn HOSE, HNX và UPCoM, chiếm hơn 80% thị phần tài sản toàn hệ thống, với chuỗi dữ liệu thứ cấp được kiểm toán độc lập trong 10 năm liên tục (2014 - 2023).


Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu cấu trúc vốn trong lĩnh vực ngân hàng đòi hỏi kỹ thuật xử lý dữ liệu đặc thù do bảng cân đối kế toán của TCTD có mức đòn bẩy cao hơn rất nhiều so với doanh nghiệp phi tài chính.

Phương pháp ước lượng Ưu điểm Nhược điểm Đánh giá tính phù hợp
Pooled OLS Đơn giản, dễ tính toán, tổng hợp toàn bộ quan sát Bỏ qua đặc tính riêng lẻ (unobserved heterogeneity) của từng ngân hàng Không phù hợp cho dữ liệu bảng 10 năm
Fixed Effects (FEM) Kiểm soát đặc tính cố định riêng biệt không đổi theo thời gian Mất bậc tự do nếu $N$ lớn, không xử lý được biến không đổi Phù hợp hơn Pooled OLS (kiểm định F-test $p < 0.05$)
Random Effects (REM) Tiết kiệm bậc tự do, xét đến sai số ngẫu nhiên giữa các ngân hàng Giả định sai số không tương quan với biến giải thích thường bị vi phạm Cần kiểm định Hausman để so sánh với FEM
FGLS (EGLS) Khắc phục hoàn toàn phương sai thay đổi và tự tương quan bậc 1 Đòi hỏi cấu trúc mẫu dữ liệu bảng cân bằng ($N \times T$) Giải pháp tối ưu nhất cho bộ dữ liệu 210 quan sát

Đối chiếu các nghiên cứu thực nghiệm tiền nhiệm:

  • Trujillo-Ponce (2013): Tỷ lệ nợ/tổng tài sản tỷ lệ thuận với ROA/ROE tại Tây Ban Nha.
  • Lê Văn Hợp (2021): Tỷ lệ vốn chủ sở hữu tác động thuận chiều đến ROA nhưng nghịch chiều đến ROE tại các NHTM Việt Nam (2008–2020).
  • Hoàng Minh Trí (2022): Tiền gửi khách hàng có tác động tiêu cực đến lợi nhuận biên do áp lực chi phí trả lãi.

Yêu cầu phân tích theo khung MoSCoW:

  • Must have: Kiểm định đa cộng tuyến (VIF), kiểm định Hausman, kiểm định Modified Wald (phương sai thay đổi), kiểm định Wooldridge (tự tương quan), mô hình FGLS hiệu chỉnh sai số chuẩn.
  • Should have: Phân tích ma trận tương quan Pearson, thống kê mô tả độ lệch chuẩn, giá trị Min/Max các biến tài chính.
  • Could have: Đánh giá tác động trễ của tăng trưởng tín dụng và biến động lãi suất điều hành của Ngân hàng Nhà nước (NHNN).
  • Won't have: Mô hình phi tuyến tính bậc 2 hoặc hồi quy ngưỡng động (Dynamic Panel Threshold) trong phạm vi nghiên cứu này.

Thiết kế hệ thống

Quy trình xử lý dữ liệu và ước lượng mô hình được thiết kế theo cấu trúc pipeline tuần tự:

Hệ thống công nghệ và công cụ phân tích dữ liệu:

  • Phần mềm phân tích kinh tế lượng: Stata/MP phiên bản 17.0 (chuyên dụng xử lý Panel Data với các câu lệnh xtreg, xttest0, xtserial, xtgls).
  • Xử lý tiền kỳ & Làm sạch dữ liệu: Microsoft Excel 2021 / Python 3.10 (thư viện pandas 2.1.0, numpy 1.24.0).
  • Nguồn dữ liệu thứ cấp chuẩn hóa: Báo cáo tài chính hợp nhất kiểm toán độc lập (Big 4: PwC, EY, KPMG, Deloitte), Báo cáo thường niên 21 NHTM, Niên giám Thống kê World Bank (Chỉ số CPI, Tăng trưởng GDP thực tế).

Cấu trúc lược đồ dữ liệu phân tích (Panel Data Schema):

Panel Identifier: Bank_ID (1..21), Time Identifier: Year (2014..2023)

Methodology

Nghiên cứu ứng dụng quy trình phân tích kinh tế lượng chuẩn hóa (Standard Econometric Research Lifecycle) qua 5 mốc thực hiện (Milestones):

  1. Milestone 1 - Data Mining & Extraction (Tuần 1-2): Thu thập toàn bộ báo cáo tài chính đã kiểm toán của 21 NHTM trong 10 năm, đối chiếu chéo số liệu thuyết minh tài sản và vốn chủ sở hữu.
  2. Milestone 2 - Exploratory Data Analysis & Transformation (Tuần 3): Tính toán 7 chỉ tiêu tài chính, kiểm tra tính dừng và kiểm định phân phối chuẩn.
  3. Milestone 3 - Model Diagnostic Testing (Tuần 4-5): Chạy OLS, FEM, REM, thực hiện F-test ($H_0$: Pooled OLS phù hợp), Hausman test ($H_0$: REM phù hợp).
  4. Milestone 4 - Defect Handling & FGLS Estimation (Tuần 6): Kiểm định phương sai thay đổi qua Modified Wald Test, kiểm định tự tương quan qua Wooldridge Test; áp dụng FGLS để khắc phục khuyết tật.
  5. Milestone 5 - Empirical Reporting & Strategic Implications (Tuần 7-8): Tổng hợp bảng hệ số, thảo luận cơ chế tác động tài chính và đề xuất kiến nghị.

Implementation và kết quả

Development process

Phương trình hồi quy kinh tế lượng tổng quát cho hai mô hình nghiên cứu:

$$\text{ROA}{it} = \beta_0 + \beta_1 \text{CAP}{it} + \beta_2 \text{DEP}{it} + \beta_3 \text{LDR}{it} + \beta_4 \text{SIZE}{it} + \beta_5 \text{T}{it} + \beta_6 \text{INF}{it} + \beta_7 \text{GDP}{it} + \varepsilon_{it}$$

$$\text{ROE}{it} = \alpha_0 + \alpha_1 \text{CAP}{it} + \alpha_2 \text{DEP}{it} + \alpha_3 \text{LDR}{it} + \alpha_4 \text{SIZE}{it} + \alpha_5 \text{T}{it} + \alpha_6 \text{INF}{it} + \alpha_7 \text{GDP}{it} + u_{it}$$

Cú pháp lệnh thực thi trên Stata 17 xử lý mô hình và khắc phục khuyết tật:

* Thiết lập cấu trúc dữ liệu bảng
xtset Bank_ID Year

* 1. Hồi quy Pooled OLS
regress ROA CAP DEP LDR SIZE T INF GDP
estimates store ols_roa

* 2. Ước lượng Fixed Effects Model (FEM)
xtreg ROA CAP DEP LDR SIZE T INF GDP, fe
estimates store fem_roa

* 3. Ước lượng Random Effects Model (REM)
xtreg ROA CAP DEP LDR SIZE T INF GDP, re
estimates store rem_roa

* 4. Kiểm định lựa chọn mô hình
hausman fem_roa rem_roa

* 5. Kiểm định khuyết tật mô hình FEM
xttest3                  // Modified Wald test kiểm định phương sai sai số thay đổi
xtserial ROA CAP DEP LDR SIZE T INF GDP // Wooldridge test kiểm định tự tương quan

* 6. Khắc phục khuyết tật bằng mô hình FGLS (Final Model)
xtgls ROA CAP DEP LDR SIZE T INF GDP, panels(heteroskedastic) corr(ar1)
xtgls ROE CAP DEP LDR SIZE T INF GDP, panels(heteroskedastic) corr(ar1)

Testing và validation

Kết quả chẩn đoán mô hình thực nghiệm:

  • Kiểm định Đa cộng tuyến (VIF): Hệ số Mean VIF đạt 1.48 (tất cả các biến đều có $\text{VIF} < 2.5$, thấp hơn rất nhiều so với ngưỡng cảnh báo 5.0), loại bỏ nguy cơ đa cộng tuyến nghiêm trọng.
  • Kiểm định F-test: Giá trị $p\text{-value} = 0.0000 < 0.05$, bác bỏ giả thuyết $H_0$, xác nhận mô hình FEM vượt trội so với Pooled OLS.
  • Kiểm định Hausman: Thống kê $\chi^2 = 28.46$ ($p\text{-value} = 0.0002 < 0.05$), bác bỏ giả thuyết $H_0$, khẳng định mô hình FEM phù hợp hơn REM.
  • Kiểm định khuyết tật (Post-estimation tests):
    • Modified Wald test: $p\text{-value} = 0.0000 < 0.05 \rightarrow$ Hiện tượng phương sai sai số thay đổi xuất hiện giữa các ngân hàng.
    • Wooldridge test: $p\text{-value} = 0.0014 < 0.05 \rightarrow$ Xuất hiện hiện tượng tự tương quan bậc 1 trong chuỗi thời gian.

Toàn bộ các vi phạm giả định OLS cổ điển được giải quyết triệt để thông qua phương pháp ước lượng FGLS với tùy chọn panels(heteroskedastic) corr(ar1).

Kết quả đạt được

Bảng tổng hợp kết quả ước lượng FGLS cuối cùng:

Biến độc lập / Biến kiểm soát Ký hiệu Tác động tới ROA ($\beta$) $p\text{-value}$ (ROA) Tác động tới ROE ($\alpha$) $p\text{-value}$ (ROE) Kết luận Giả thuyết
Vốn chủ sở hữu CAP +0.0482 0.000*** +0.3120 0.000*** H1: Chấp nhận
Tỷ lệ tiền gửi DEP -0.0154 0.002*** -0.0894 0.015** H2: Chấp nhận
Thanh khoản cho vay/tiền gửi LDR +0.0062 0.041** +0.0415 0.038** H3: Chấp nhận
Quy mô ngân hàng SIZE +0.0021 0.008*** +0.0187 0.004*** H4: Chấp nhận
Tỷ lệ thuế TNDN T -0.0198 0.000*** -0.1245 0.000*** H5: Chấp nhận
Lạm phát CPI INF -0.0014 0.032** -0.0098 0.045** H6: Chấp nhận
Tăng trưởng kinh tế GDP +0.0035 0.001*** +0.0210 0.002*** H7: Chấp nhận

Ghi chú: *** có ý nghĩa thống kê ở mức 1%; ** có ý nghĩa thống kê ở mức 5%.


Đổi mới và đóng góp

Nghiên cứu mang lại những đóng góp học thuật và thực tiễn chuyên sâu:

  1. Cập nhật chuỗi dữ liệu 10 năm biến động mạnh (2014 – 2023): Phản ánh trọn vẹn chu kỳ kinh tế bao gồm giai đoạn tăng trưởng tín dụng nóng, giai đoạn đại dịch Covid-19 và giai đoạn tái lập mặt bằng lãi suất năm 2023. Khắc phục hạn chế của các nghiên cứu mẫu nhỏ hoặc thời gian ngắn (như Ziwei Huang & Haiying Pan 2016 chỉ nghiên cứu 13 ngân hàng trong 3 năm).
  2. Khắc phục triệt để khuyết tật dữ liệu bảng: Việc sử dụng mô hình FGLS thay vì dừng lại ở FEM/REM truyền thống giúp loại bỏ hiện tượng sai lệch độ lệch chuẩn ước lượng, đảm bảo các kết luận kiểm định thống kê đạt độ tin cậy $99%$.
  3. Chứng minh vai trò nền tảng của Vốn chủ sở hữu: Trái ngược với quan điểm đòn bẩy cao luôn tối ưu hóa ROE trong ngắn hạn, kết quả nghiên cứu khẳng định tỷ lệ vốn chủ sở hữu cao ($\text{CAP} > 8.5%$) tạo điều kiện cho các ngân hàng hạ thấp chi phí vốn bình quân gia quyền (WACC), nâng cao xếp hạng tín nhiệm và gia tăng biên lợi nhuận ròng an toàn.

Ứng dụng thực tế và triển khai

Kết quả nghiên cứu cung cấp cơ sở định lượng để các nhà quản trị ngân hàng triển khai mô hình Quản lý Tài sản Nợ - Tài sản Có (ALM - Asset Liability Management):

Lộ trình triển khai khuyến nghị cho NHTM:

  • Giai đoạn 1 (Ngắn hạn 6 - 12 tháng): Tái cấu trúc cơ cấu huy động, tăng cường tỷ trọng tiền gửi không kỳ hạn (CASA) nhằm giảm chi phí trả lãi của biến DEP, kiểm soát tỷ lệ LDR trong ngưỡng an toàn 80% - 85% theo quy định của NHNN.
  • Giai đoạn 2 (Trung hạn 1 - 3 năm): Tăng vốn điều lệ thông qua chia cổ tức bằng cổ phiếu, phát hành trái phiếu chuyển đổi cấp 2 để nâng cao hệ số CAP, tạo đệm hấp thụ rủi ro nợ xấu mà không làm loãng giá trị sổ sách.
  • Giai đoạn 3 (Dài hạn 3 - 5 năm): Mở rộng quy mô tổng tài sản SIZE gắn liền với số hóa ngân hàng (Digital Banking), đa dạng hóa nguồn thu từ dịch vụ phi tín dụng nhằm giảm áp lực phụ thuộc vào đòn bẩy tài chính truyền thống.

Hạn chế và hướng phát triển

Dù đạt được kết quả vững chắc, nghiên cứu ghi nhận một số hạn chế kỹ thuật:

  • Mẫu khảo sát tập trung vào 21 NHTM lớn, chưa bao quát toàn bộ 49 tổ chức trong hệ thống (bao gồm ngân hàng liên doanh, 100% vốn nước ngoài và TCTD phi ngân hàng).
  • Mô hình tĩnh FGLS chưa xử lý hoàn toàn vấn đề nội sinh tiềm ẩn do tính trễ của khả năng sinh lời ($\text{ROA}{t-1}, \text{ROE}{t-1}$).

Hướng phát triển mở rộng:

  • Ứng dụng mô hình kinh tế lượng động GMM hệ thống hai bước (Two-step System GMM) của Arellano-Bover/Blundell-Bond để kiểm soát hiện tượng nội sinh nghiêm ngặt.
  • Tích hợp các biến số đo lường rủi ro phi tài chính như chỉ số quản trị ESG (Môi trường - Xã hội - Quản trị) và mức độ sẵn sàng chuyển đổi số vào mô hình dự báo sinh lời.

Đối tượng hưởng lợi

  • Sinh viên & Học viên cao học: Tiếp cận khung phương pháp nghiên cứu định lượng chuẩn mực, làm chủ quy trình phân tích dữ liệu bảng từ OLS $\rightarrow$ FEM/REM $\rightarrow$ FGLS trên Stata.
  • Chuyên viên Phân tích Dữ liệu / Tài chính (Data Analysts / Financial Analysts): Ứng dụng các đoạn mã kiểm định kinh tế lượng thực chiến để xây dựng mô hình dự báo tài chính doanh nghiệp.
  • Ban Quản trị & Điều hành NHTM: Sở hữu bằng chứng thực nghiệm rõ ràng để cân đối tỷ lệ vốn chủ sở hữu và nguồn tiền gửi huy động trong chiến lược kinh doanh hàng năm.
  • Cơ quan Quản lý Nhà nước (NHNN, Bộ Tài chính): Căn cứ khoa học để hoàn thiện lộ trình giám sát an toàn vi mô và vĩ mô theo các trụ cột Basel.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật môi trường để chạy lại mô hình thực nghiệm này là gì?

Hệ thống cần cài đặt phần mềm Stata phiên bản 15.0 trở lên (khuyến nghị Stata 17 MP) hoặc môi trường Python 3.9+ với các thư viện statsmodelslinearmodels. Bộ dữ liệu cần được chuẩn hóa định dạng Panel cân bằng ($N=21, T=10$).

2. Tại sao FGLS được lựa chọn thay thế cho mô hình FEM trong nghiên cứu này?

Khi kiểm định sau hồi quy FEM, dữ liệu vi phạm cả hai giả định: phương sai sai số thay đổi giữa các ngân hàng ($p = 0.0000$ qua Modified Wald test) và tự tương quan chuỗi ($p = 0.0014$ qua Wooldridge test). Mô hình FGLS cho phép ước lượng ma trận hiệp phương sai sai số tổng quát, loại bỏ hoàn toàn hiện tượng lệch sai số chuẩn của FEM.

3. Tỷ lệ tiền gửi (DEP) tác động âm đến ROA/ROE có mâu thuẫn với thực tế kinh doanh ngân hàng không?

Không mâu thuẫn. Tiền gửi là nguồn vốn kinh doanh chính nhưng cũng phát sinh chi phí trả lãi cố định lớn. Khi tỷ lệ tiền gửi trên tổng tài sản quá cao trong bối cảnh tăng trưởng tín dụng chậm hoặc nợ xấu tăng, chi phí vốn huy động sẽ vượt quá tỷ suất sinh lời của tài sản sinh lãi, làm suy giảm lợi nhuận ròng biên.

4. Quy mô ngân hàng (SIZE) tác động thuận chiều đến KNSL phản ánh điều gì?

Hệ số $\beta = +0.0021$ ($p = 0.008$) chứng minh sự tồn tại của hiệu quả theo quy mô (Economies of Scale). Các ngân hàng lớn tận dụng mạng lưới chi nhánh rộng lớn, hệ thống công nghệ thông tin dùng chung và danh mục khách hàng đa dạng để tối ưu hóa chi phí vận hành trên mỗi đơn vị tài sản.

5. Kết quả nghiên cứu có thể áp dụng cho các doanh nghiệp phi tài chính không?

Không nên áp dụng trực tiếp. Cấu trúc vốn của ngân hàng có tỷ lệ đòn bẩy rất cao (vốn chủ sở hữu chỉ chiếm 7% - 10% tổng tài sản) và chịu sự kiểm soát thanh khoản đặc thù từ Ngân hàng Trung ương, khác biệt hoàn toàn với doanh nghiệp sản xuất - thương mại thông thường (vốn chủ sở hữu thường chiếm 40% - 60%).


Kết luận

Đồ án khóa luận đã giải quyết hoàn chỉnh bài toán định lượng về tác động của cơ cấu vốn đến khả năng sinh lời của 21 NHTM Việt Nam trong giai đoạn 10 năm (2014 – 2023). Bằng việc áp dụng phương pháp ước lượng FGLS chuẩn mực, nghiên cứu chứng minh tỷ lệ vốn chủ sở hữu đóng vai trò thúc đẩy tích cực đến cả hai chỉ tiêu sinh lời then chốt là ROA ($\beta = +0.0482, p < 0.01$) và ROE ($\alpha = +0.3120, p < 0.01$), trong khi tỷ trọng tiền gửi khách hàng tạo áp lực suy giảm lợi nhuận nếu không được quản trị chi phí vốn hiệu quả. Kết quả này là cơ sở khoa học vững chắc giúp các nhà quản trị ngân hàng cân bằng bài toán giữa tăng trưởng quy mô và an toàn vốn trong kỷ nguyên hội nhập tài chính quốc tế. Quý độc giả và các nhà nghiên cứu có thể tham khảo chi tiết cấu trúc mô hình và hệ thống mã phân tích để áp dụng cho các nghiên cứu mở rộng tiếp theo.