Giới thiệu dự án

Hoạt động của hệ thống ngân hàng thương mại (NHTM) giữ vai trò huyết mạch trong nền kinh tế, đóng vai trò cầu nối luân chuyển vốn giữa các chủ thể thị trường. Tại Việt Nam, hoạt động tín dụng truyền thống đóng góp từ 70% đến 80% tổng thu nhập của các ngân hàng. Trong bối cảnh công nghệ tài chính (FinTech) và ngân hàng số phát triển vượt bậc, sự cạnh tranh về lãi suất huy động và cho vay ngày càng gay gắt. Để đo lường và kiểm soát hiệu quả hoạt động kinh doanh cốt lõi, chỉ số Biên lãi ròng (Net Interest Margin - NIM) được xem là thước đo chuẩn xác nhất về khả năng sinh lời và hiệu quả quản trị tài sản - nguồn vốn của tổ chức tín dụng.

Đề tài khóa luận tốt nghiệp "Các nhân tố ảnh hưởng đến biên lãi ròng của hệ thống ngân hàng thương mại Việt Nam" do tác giả Đào Trung Anh thực hiện (người hướng dẫn: ThS. Ngô Sỹ Nam, Trường Đại học Ngân hàng TP. Hồ Chí Minh, chuyên ngành Tài chính - Ngân hàng, mã số: 7340201) tập trung giải quyết bài toán định lượng mức độ tác động của các nhân tố vi mô và vĩ mô đến NIM.

Vấn đề nghiên cứu cụ thể

  1. Áp lực thu hẹp biên lãi suất: Sự gia tăng chi phí vốn huy động cùng yêu cầu giảm lãi suất cho vay hỗ trợ nền kinh tế làm biên lãi ròng chịu sức ép thu hẹp liên tục.
  2. Thiếu khung phân tích định lượng đồng bộ: Các quyết định chính sách kinh doanh tại nhiều ngân hàng còn mang tính trực giác, chưa bóc tách cụ thể mức độ ảnh hưởng biên của từng yếu tố như chi phí vận hành, thanh khoản, và tăng trưởng kinh tế.
  3. Hiện tượng khuyết tật mô hình trong dữ liệu bảng: Các nghiên cứu thực nghiệm thường gặp hiện tượng phương sai sai số thay đổi và tự tương quan chuỗi, dẫn đến ước lượng sai lệch nếu chỉ dùng OLS truyền thống.

Mục tiêu của dự án

  1. Hệ thống hóa cơ sở lý luận về NHTM, chức năng trung gian tín dụng và chỉ số biên lãi ròng (NIM).
  2. Xây dựng mô hình kinh tế lượng xác định chiều hướng và lượng hóa mức độ tác động của 8 biến độc lập (6 biến vi mô, 2 biến vĩ mô) lên NIM của 29 NHTMCP Việt Nam giai đoạn 2011–2020 (290 quan sát).
  3. Kiểm định khuyết tật mô hình (đa cộng tuyến, phương sai sai số thay đổi, tự tương quan) và xử lý bằng các kỹ thuật hồi quy tiên tiến.
  4. Đề xuất hệ thống giải pháp thực thi giúp các nhà quản trị ngân hàng tối ưu hóa NIM và nâng cao năng lực cạnh tranh.

Phạm vi và giới hạn nghiên cứu

  • Không gian nghiên cứu: 29 ngân hàng thương mại cổ phần tại Việt Nam, đại diện cho hơn 90% tổng tài sản toàn hệ thống.
  • Thời gian nghiên cứu: Dữ liệu bảng 10 năm liên tục từ 2011 đến 2020 (giai đoạn tái cơ cấu hệ thống ngân hàng theo đề án của Thủ tướng Chính phủ).
  • Nguồn dữ liệu: Báo cáo tài chính đã kiểm toán, báo cáo thường niên công bố định kỳ, và số liệu vĩ mô từ Tổng cục Thống kê Việt Nam.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu NIM trên thế giới và tại Việt Nam đã trải qua nhiều giai đoạn phát triển từ mô hình gốc của Ho & Saunders (1981). Dưới đây là bảng so sánh các phương pháp tiếp cận:

Tiêu chí Mô hình Ho & Saunders (1981) Mô hình Hamadi & Awdeh (2012) Nghiên cứu Đào Trung Anh (2022)
Phương pháp Mô hình cận biên hai giai đoạn (Spread Model) Hồi quy OLS / GMM dữ liệu bảng Hồi quy dữ liệu bảng: Pooled OLS, FEM, REM, FGLS
Phạm vi dữ liệu Dữ liệu vi mô ngân hàng tại Ethiopia Dữ liệu ngân hàng Lebanon (1996–2009) 29 NHTMCP Việt Nam (2011–2020, 290 quan sát)
Xử lý khuyết tật Hạn chế trong kiểm soát phương sai thay đổi Kiểm soát độ trễ biến phụ thuộc Kiểm định toàn diện: VIF, F-test, Hausman, Modified Wald, Wooldridge
Độ bao phủ biến Tập trung vào chi phí ngầm và mức ngại rủi ro Kết hợp biến ngân hàng và chính sách tiền tệ 8 biến đại diện cân bằng: Vi mô (6 biến) và Vĩ mô (2 biến)

Phân loại yêu cầu nghiên cứu (Mô hình MoSCoW)

  • Must-have: Đo lường chính xác tỷ lệ NIM theo công thức chuẩn: $$\text{NIM}{i,t} = \frac{\text{Thu nhập lãi thuần}{i,t}}{\text{Tổng tài sản có sinh lời}_{i,t}}$$
  • Should-have: Bộ biến giải thích đa chiều bao gồm quy mô (SIZE), quy mô cho vay (LOAN), tính thanh khoản (LIQ), hiệu quả quản lý (TEATA), chi phí hoạt động (OC), mức độ đa dạng hóa (NIITA), tăng trưởng GDP và lạm phát (INF).
  • Could-have: So sánh chi tiết kết quả tác động giữa các giai đoạn tái cơ cấu 2011–2015 và giai đoạn ổn định 2016–2020.
  • Won't-have (giai đoạn này): Phân tích biến trễ bậc 2 động thông qua phương pháp System-GMM do yêu cầu chiều dài thời gian chuỗi dài hơn.

Thiết kế hệ thống nghiên cứu

Mô hình kinh tế lượng được thiết lập theo dạng tuyến tính:

$$\text{NIM}{i,t} = \beta_0 + \beta_1 \text{SIZE}{i,t} + \beta_2 \text{LOAN}{i,t} + \beta_3 \text{LIQ}{i,t} + \beta_4 \text{TEATA}{i,t} + \beta_5 \text{OC}{i,t} + \beta_6 \text{NIITA}_{i,t} + \beta_7 \text{GDP}_t + \beta_8 \text{INF}t + \varepsilon{i,t}$$

+-----------------------------------------------------------------------------------+
|                            CƠ SỞ DỮ LIỆU BẢNG (PANEL DATA)                        |
|                     29 NHTMCP x 10 Năm (2011 - 2020) = 290 Quan sát              |
+-----------------------------------------------------------------------------------+
+-----------------------------------------------------------------------------------+
|                              TIỀN XỬ LÝ & KIỂM ĐỊNH BAN ĐẦU                       |
|   - Thống kê mô tả (Mean, SD, Min, Max)                                           |
|   - Ma trận tương quan Pearson & Kiểm định đa cộng tuyến (VIF < 10)               |
+-----------------------------------------------------------------------------------+
+-----------------------------------------------------------------------------------+
|                         LỰA CHỌN MÔ HÌNH HỒI QUY CƠ BẢN                          |
|   - Pooled OLS vs. Fixed Effects Model (FEM) ----> [Kiểm định F-test / Chow]      |
|   - Fixed Effects (FEM) vs. Random Effects (REM) -> [Kiểm định Hausman]           |
+-----------------------------------------------------------------------------------+
+-----------------------------------------------------------------------------------+
|                         CHẨN ĐOÁN KHUYẾT TẬT MÔ HÌNH                              |
|   - Kiểm định Phương sai sai số thay đổi ---------> [Modified Wald Test]          |
|   - Kiểm định Tự tương quan chuỗi (AR1) -----------> [Wooldridge Test]            |
+-----------------------------------------------------------------------------------+
+-----------------------------------------------------------------------------------+
|                    MÔ HÌNH HIỆU CHỈNH CUỐI CÙNG: GLS / FGLS                       |
|   - Ước lượng Generalized Least Squares xử lý triệt để Heteroskedasticity & AR(1) |
+-----------------------------------------------------------------------------------+

Bảng cấu trúc dữ liệu và công thức biến

Ký hiệu Tên biến Phân loại Công thức tính toán Kỳ vọng
NIM Biên lãi ròng Phụ thuộc $\text{Thu nhập lãi thuần} / \text{Tổng tài sản có sinh lời}$ N/A
SIZE Quy mô ngân hàng Độc lập (Vi mô) $\ln(\text{Tổng tài sản})$ $(+)$
LOAN Quy mô cho vay Độc lập (Vi mô) $\text{Tổng dư nợ cho vay} / \text{Tổng tài sản}$ $(+)$
LIQ Tính thanh khoản Độc lập (Vi mô) $\text{Tài sản thanh khoản} / \text{Tổng tài sản}$ $(-)$
TEATA Hiệu quả quản lý Độc lập (Vi mô) $\text{Tổng tài sản có sinh lời} / \text{Tổng tài sản}$ $(-)$
OC Chi phí hoạt động Độc lập (Vi mô) $\text{Chi phí hoạt động} / \text{Tổng tài sản}$ $(+)$
NIITA Đa dạng hóa nguồn thu Độc lập (Vi mô) $\text{Thu nhập ngoài lãi} / \text{Tổng tài sản}$ $(-)$
GDP Tăng trưởng kinh tế Độc lập (Vĩ mô) $(\text{GDP}t - \text{GDP}{t-1}) / \text{GDP}_{t-1}$ $(+)$
INF Tỷ lệ lạm phát Độc lập (Vĩ mô) $(\text{CPI}t - \text{CPI}{t-1}) / \text{CPI}_{t-1}$ $(+)$

Methodology (Quy trình thực nghiệm)

Quy trình nghiên cứu định lượng tuân thủ 5 giai đoạn:

  1. Data Ingestion & Cleaning: Thu thập báo cáo tài chính kiểm toán của 29 NHTMCP, đồng bộ chuẩn hạch toán qua các thời kỳ, số hóa vào bảng tính.
  2. Correlation & Multicollinearity Checking: Chạy kiểm định ma trận tương quan và kiểm tra hệ số phóng đại phương sai (VIF) nhằm đảm bảo không có hiện tượng cộng tuyến nghiêm trọng.
  3. Model Selection Procedure:
    • Thực hiện kiểm định F-test giữa Pooled OLS và FEM. Giả thuyết $H_0$: Các hệ số chặn riêng biệt bằng nhau. Nếu $p < 0.05 \implies$ Chọn FEM.
    • Thực hiện kiểm định Hausman giữa FEM và REM. Giả thuyết $H_0$: Không có sự tương quan giữa sai số riêng và các biến giải thích (REM phù hợp). Nếu $p < 0.05 \implies$ Bác bỏ $H_0$, chọn FEM.
  4. Diagnostic Tests for Econometric Defects:
    • Kiểm định Modified Wald kiểm tra hiện tượng phương sai sai số thay đổi giữa các thực thể ($p < 0.05 \implies$ Có hiện tượng phương sai thay đổi).
    • Kiểm định Wooldridge kiểm tra tự tương quan chuỗi trong dữ liệu bảng ($p < 0.05 \implies$ Có hiện tượng tự tương quan).
  5. Model Rectification: Sử dụng phương pháp bình phương tối thiểu tổng quát khả thi (Feasible Generalized Least Squares - FGLS) để khắc phục đồng thời phương sai thay đổi và tự tương quan.

Implementation và kết quả

Development Process & Code Scripts

Toàn bộ dữ liệu thứ cấp được chuẩn hóa và xử lý trên phần mềm thống kê Stata 14.0. Dưới đây là trích đoạn do-file thực thi quá trình kiểm định và ước lượng:

* ==============================================================================
* KHÓA LUẬN: CÁC NHÂN TỐ ẢNH HƯỞNG ĐẾN NIM TẠI VIỆT NAM (2011-2020)
* Tác giả: Đào Trung Anh | Phần mềm: Stata 14.0
* ==============================================================================

* 1. Khai báo cấu trúc dữ liệu bảng
clear
import excel "data_nim_29banks.xlsx", sheet("PanelData") firstrow
destring id year nim size loan liq teata oc niita gdp inf, replace
xtset id year

* 2. Thống kê mô tả và kiểm định đa cộng tuyến
summarize nim size loan liq teata oc niita gdp inf
pwcorr nim size loan liq teata oc niita gdp inf, sig star(0.05)
regress nim size loan liq teata oc niita gdp inf
vif

* 3. Ước lượng mô hình OLS, FEM, REM
quietly regress nim size loan liq teata oc niita gdp inf
estimates store OLS_model

quietly xtreg nim size loan liq teata oc niita gdp inf, fe
estimates store FEM_model

quietly xtreg nim size loan liq teata oc niita gdp inf, re
estimates store REM_model

* 4. Kiểm định lựa chọn mô hình
* F-test (tự động xuất hiện ở cuối lệnh xtreg, fe)
* Hausman test giữa FEM và REM:
hausman FEM_model REM_model

* 5. Kiểm định khuyết tật mô hình (trên mô hình FEM được chọn)
xtreg nim size loan liq teata oc niita gdp inf, fe
* Kiểm định phương sai sai số thay đổi (Modified Wald Test)
xttest3
* Kiểm định tự tương quan (Wooldridge Test)
xtserial nim size loan liq teata oc niita gdp inf

* 6. Khắc phục khuyết tật bằng FGLS (Cross-sectional heteroskedasticity & autocorrelation)
xtgls nim size loan liq teata oc niita gdp inf, panels(hetero) corr(ar1)

Testing và validation

Kết quả các kiểm định chẩn đoán kỹ thuật mô hình:

  • Kiểm định VIF: Hệ số VIF của tất cả các biến độc lập đều nhỏ hơn 5 (giá trị trung bình VIF $\approx 1.85$), chứng minh mô hình không vi phạm hiện tượng đa cộng tuyến.
  • Kiểm định F-test: Giá trị $F = 14.62$ ($p\text{-value} = 0.0000 < 0.05$), bác bỏ giả thuyết $H_0$, xác nhận mô hình FEM vượt trội so với Pooled OLS.
  • Kiểm định Hausman: Giá trị $\chi^2 = 28.45$ ($p\text{-value} = 0.0004 < 0.05$), bác bỏ $H_0$, kết luận mô hình Fixed Effects Model (FEM) phù hợp hơn Random Effects Model (REM).
  • Kiểm định Modified Wald & Wooldridge: Xác nhận mô hình xuất hiện hiện tượng phương sai sai số thay đổi giữa các ngân hàng ($p < 0.01$) và tự tương quan bậc nhất ($p < 0.05$). Do đó, mô hình GLS (Generalised Least Squares) được áp dụng để cho ra ước lượng không chệch và hiệu quả nhất.

Kết quả đạt được

Bảng tổng hợp kết quả hồi quy mô hình ước lượng cuối cùng:

Biến số Dấu kỳ vọng Hệ số hồi quy ($\beta$) Mức ý nghĩa ($p$-value) Kết luận giả thuyết Diễn giải kinh tế lượng
SIZE $(+)$ $+0.0031$ $p < 0.05^{**}$ Chấp nhận $H_1$ Quy mô tăng 1% giúp NIM tăng 0.31% nhờ lợi thế kinh tế theo quy mô
LOAN $(+)$ $+0.0142$ $p < 0.01^{***}$ Chấp nhận $H_2$ Tăng tỷ trọng cho vay thêm 1% giúp NIM tăng 1.42% do mở rộng tài sản sinh lời
LIQ $(-)$ $-0.0108$ $p < 0.10^{*}$ Chấp nhận $H_3$ Tăng tài sản thanh khoản 1% làm giảm NIM 1.08% do chi phí cơ hội của tiền mặt
TEATA $(-)$ $+0.0089$ $p < 0.05^{**}$ Trái dấu kỳ vọng Tỷ trọng tài sản sinh lời cao làm gia tăng nguồn thu lãi ròng trực tiếp
OC $(+)$ $+0.7124$ $p < 0.01^{***}$ Chấp nhận $H_5$ Chi phí hoạt động tăng 1% làm NIM tăng 0.71% (độ tin cậy 99%), ngân hàng chuyển chi phí sang lãi suất vay
NIITA $(-)$ $-0.0345$ $p < 0.05^{**}$ Chấp nhận $H_6$ Đa dạng hóa dịch vụ thu phí có xu hướng giảm phụ thuộc và giảm biên lãi cho vay
GDP $(+)$ $-0.0187$ $p < 0.05^{**}$ Trái dấu kỳ vọng Kinh tế tăng trưởng ổn định làm giảm phần bù rủi ro, kéo giảm biên chênh lệch lãi suất
INF $(+)$ $+0.0215$ $p < 0.05^{**}$ Chấp nhận $H_8$ Lạm phát tăng khiến ngân hàng chủ động nâng lãi suất cho vay bù đắp chi phí trượt giá

Ghi chú: $^{}$, $^{}$, $^{}$ lần lượt tương ứng mức ý nghĩa thống kê 1%, 5% và 10%.


Đổi mới và đóng góp

  1. Bộ dữ liệu 10 năm xuyên suốt giai đoạn tái cơ cấu (2011–2020): Khác với các nghiên cứu trước đây chỉ khảo sát tập mẫu ngắn hoặc giai đoạn trước khủng hoảng (Pham H.L., 2016: 2008–2014; Hoang Trung Khanh, 2017: 2008–2012), công trình này bao hàm toàn bộ chu kỳ tái cấu trúc nợ xấu và giai đoạn bùng nổ ngân hàng số tại Việt Nam.
  2. Lượng hóa chính xác tác động chuyển dịch chi phí hoạt động (OC): Nghiên cứu chứng minh với độ tin cậy 99% rằng ngân hàng Việt Nam vẫn có xu hướng "chuyển giao" chi phí vận hành (mở rộng chi nhánh, đầu tư công nghệ, lương thưởng) vào biên lãi suất cho vay đối với khách hàng ($\beta_{OC} = +0.7124$).
  3. Phát hiện mới về đánh đổi giữa thanh khoản và khả năng sinh lời: Làm rõ mức độ thiệt hại biên ($\beta_{LIQ} = -0.0108$ ở mức ý nghĩa 10%), cung cấp căn cứ số học chính xác để xây dựng bộ đệm thanh khoản tối ưu theo chuẩn Basel II.
Tiêu chí so sánh Pham H.L. (2016) Nguyen Duy Suu et al. (2020) Khóa luận Đào Trung Anh (2022)
Số quan sát ($N \times T$) 26 ngân hàng $\times$ 7 năm = 182 NHTM $\times$ 11 năm = 308 29 ngân hàng $\times$ 10 năm = 290
Biến chi phí hoạt động (OC) Không phân tích sâu Tác động dương Tác động dương mạnh mẽ ($\beta = 0.7124$, $p < 0.01$)
Xử lý khuyết tật mô hình Hồi quy dữ liệu bảng tĩnh Hồi quy OLS/FEM cơ bản FGLS xử lý đồng thời Heteroskedasticity & Autocorrelation

Ứng dụng thực tế và triển khai

Khung ứng dụng dành cho Hội đồng Quản trị & Ủy ban ALCO (Asset-Liability Committee)

[Phòng Quản lý Tài sản Nợ - Có (ALCO)]
         Phát triển mảng thu dịch vụ số (Bancassurance, thanh toán số)
         để tạo doanh thu ngoài lãi bền vững khi biên lãi cho vay bị thu hẹp.

Lộ trình triển khai 4 bước tại Ngân hàng Thương mại

  1. Giai đoạn 1 (Tháng 1 - Tháng 3): Rà soát danh mục tài sản sinh lời (TEATA). Tái cơ cấu tỷ trọng các tài sản kém sinh lời sang danh mục cho vay bán lẻ có biên độ sinh lời cao.
  2. Giai đoạn 2 (Tháng 4 - Tháng 6): Thiết lập mô hình dự báo NIM động. Nhúng mô hình hồi quy GLS vào hệ thống báo cáo quản trị nội bộ (MIS/BI) để giả lập kịch bản NIM khi lạm phát (INF) và tăng trưởng GDP biến động.
  3. Giai đoạn 3 (Tháng 7 - Tháng 9): Chuẩn hóa cấu trúc chi phí hoạt động. Áp dụng công nghệ tự động hóa quy trình (RPA) và ngân hàng số nhằm giảm chi phí CIR (Cost-to-Income Ratio), duy trì hiệu ứng tích cực của OC lên NIM mà không làm tăng mặt bằng lãi suất cho vay.
  4. Giai đoạn 4 (Tháng 10 - Tháng 12): Kiểm toán định kỳ và hiệu chỉnh. Đánh giá độ nhạy của NIM đối với các chỉ tiêu an toàn vốn theo Basel II/Basel III.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật

  • Đặc thù dữ liệu thứ cấp: Số liệu được trích xuất từ BCTC hợp nhất năm, chưa phản ánh được các biến động biến thiên theo quý hoặc tháng.
  • Biến kiểm soát rủi ro tín dụng: Chưa bóc tách sâu tỷ lệ dự phòng rủi ro tín dụng cụ thể (LLP) theo từng nhóm nợ từ nhóm 1 đến nhóm 5 do giới hạn công bố thông tin đồng nhất giữa các ngân hàng.
  • Tác động phi tuyến: Mô hình giả định mối quan hệ tuyến tính giữa các biến độc lập và NIM, chưa kiểm tra điểm gãy cấu trúc do đại dịch COVID-19 trong năm 2020.

Hướng nghiên cứu mở rộng

  • Áp dụng phương pháp hồi quy động hai bước System Generalized Method of Moments (GMM) để kiểm soát hoàn toàn hiện tượng nội sinh (Endogeneity) và độ trễ bậc của biến phụ thuộc ($\text{NIM}_{i,t-1}$).
  • Ứng dụng các thuật toán máy học (Random Forest Regressor, XGBoost) để phát hiện các mối quan hệ phi tuyến và dự báo NIM với độ chính xác cao trong điều kiện thị trường biến động mạnh.

Đối tượng hưởng lợi

+-----------------------------------------------------------------------------------+
|                            ĐỐI TƯỢNG HƯỞNG LỢI & GIÁ TRỊ                          |
+-----------------------------------------------------------------------------------+
  • Sinh viên & Học viên ngành Tài chính - Ngân hàng: Cung cấp tài liệu mẫu mực về phương pháp nghiên cứu dữ liệu bảng, từ bước xây dựng giả thuyết kinh tế đến quy trình xử lý khuyết tật mô hình trên Stata 14.
  • Nhà quản trị ngân hàng (ALCO & BOD): Bằng chứng thực nghiệm giúp định giá khoản vay chính xác, cân đối chi phí hoạt động và tỷ lệ dự trữ thanh khoản.
  • Ngân hàng Nhà nước Việt Nam (NHNN): Tham khảo mức độ ảnh hưởng của lạm phát và tăng trưởng kinh tế đến biên lãi ròng toàn hệ thống, hỗ trợ điều hành chính sách tiền tệ linh hoạt.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật và công cụ cần thiết để tái lập mô hình nghiên cứu này là gì?

Cần cài đặt phần mềm Stata 14.0 trở lên (hoặc các ngôn ngữ phân tích dữ liệu như R, Python với thư viện statsmodels/linearmodels). Dữ liệu đầu vào yêu cầu định dạng bảng (Panel Data format) gồm các cột định danh mã ngân hàng (id), thời gian (year), và các chỉ số tài chính tính toán từ BCTC đã kiểm toán.

2. Vì sao mô hình Fixed Effects (FEM) lại vượt trội hơn Random Effects (REM) trong nghiên cứu này?

Kết quả kiểm định Hausman test cho giá trị $p\text{-value} = 0.0004 < 0.05$, chứng tỏ có sự tương quan đáng kể giữa sai số đặc thù riêng biệt của từng ngân hàng với các biến giải thích trong mô hình. Do đó, giả định của REM bị vi phạm và FEM là mô hình cho ước lượng không chệch.

3. Tại sao chi phí hoạt động (OC) lại có tác động cùng chiều với biên lãi ròng (NIM)?

Về mặt lý thuyết và thực tiễn tại Việt Nam, khi chi phí vận hành tăng lên (đầu tư công nghệ, mở rộng mạng lưới chi nhánh, chi phí quản lý), các ngân hàng có xu hướng bù đắp chi phí này bằng cách nới rộng khoảng cách lãi suất (tăng lãi suất cho vay đầu ra và đàm phán giảm lãi suất huy động), từ đó làm tăng NIM ghi nhận trên sổ sách.

4. Tác động ngược chiều của biến thanh khoản (LIQ) cảnh báo điều gì cho ngân hàng?

Tài sản có tính thanh khoản cao (tiền mặt, tiền gửi tại NHNN) là tài sản có mức sinh lời thấp hoặc bằng không. Khi ngân hàng dự trữ thanh khoản quá mức cần thiết, chi phí cơ hội của dòng vốn tăng lên, làm giảm tỷ trọng tài sản sinh lời cao và kéo giảm biên lãi ròng ($\beta_{LIQ} = -0.0108$).

5. Chi phí triển khai hệ thống quản trị NIM và thời gian hoàn vốn (ROI) ước tính?

Chi phí triển khai mô hình quản trị NIM tự động nhúng vào hệ thống Core Banking/BI ước tính dao động từ 300 triệu đến 800 triệu VNĐ tùy quy mô hệ thống. Nhờ việc tối ưu hóa tỷ lệ phân bổ tài sản có và chi phí huy động vốn, biên NIM có thể cải thiện từ 5 đến 15 điểm cơ bản (bps) mỗi năm, mang lại thời gian hoàn vốn (ROI) chỉ từ 6 đến 12 tháng.


Kết luận

Công trình khóa luận tốt nghiệp "Các nhân tố ảnh hưởng đến biên lãi ròng của hệ thống ngân hàng thương mại Việt Nam" của tác giả Đào Trung Anh đã hoàn thành xuất sắc các mục tiêu nghiên cứu đề ra. Thông qua việc phân tích thực nghiệm dữ liệu bảng của 29 NHTMCP trong giai đoạn 10 năm (2011–2020) với 290 quan sát, đề tài đã:

  • Làm sáng tỏ cơ chế tác động của 8 nhân tố vi mô và vĩ mô đến biên lãi ròng (NIM).
  • Áp dụng các quy trình kiểm định kinh tế lượng khắt khe (F-test, Hausman, Modified Wald, Wooldridge) và xử lý triệt để khuyết tật dữ liệu bảng thông qua ước lượng FGLS.
  • Xác định vai trò trọng yếu của chi phí hoạt động (OC), quy mô cho vay (LOAN), quy mô ngân hàng (SIZE), tính thanh khoản (LIQ), và lạm phát (INF).

Nghiên cứu mang lại giá trị học thuật và thực tiễn cao, đóng vai trò là cẩm nang hữu ích cho các nhà hoạch định chiến lược kinh doanh ngân hàng và cơ quan quản lý tiền tệ trong việc ổn định và phát triển hệ thống tài chính quốc gia.