Giới thiệu dự án

Hiệu quả tài chính của hệ thống ngân hàng thương mại đóng vai trò huyết mạch trong việc đảm bảo tính thanh khoản, ổn định tiền tệ và thúc đẩy tăng trưởng kinh tế vĩ mô. Sau cuộc khủng hoảng tài chính giai đoạn 2008 và biến động kinh tế toàn cầu do đại dịch COVID-19 (2020–2021), hệ thống ngân hàng thương mại cổ phần (NHTM CP) Việt Nam đứng trước áp lực cơ cấu lại nợ xấu, nâng cao tỷ lệ an toàn vốn theo chuẩn mực Basel II (Thông tư 41/2016/TT-NHNN) và chuẩn hóa phân loại tài sản có theo Thông tư 11/2021/TT-NHNN. Theo số liệu từ Ngân hàng Nhà nước Việt Nam (NHNN), tổng tài sản toàn hệ thống tổ chức tín dụng đến đầu năm 2021 đã tăng gần 5 lần so với 10 năm trước đó. Tuy nhiên, sự gia tăng quy mô tài sản không đồng nghĩa với việc tối ưu hóa tỷ suất sinh lời nếu năng lực quản trị rủi ro và chất lượng tài sản không được kiểm soát chặt chẽ.

+-------------------------------------------------------------------------------+
|                       BỐI CẢNH NGHIÊN CỨU KINH TẾ LƯỢNG                       |
+-------------------------------------------------------------------------------+
| Giai đoạn: 2011 - 2021 (11 năm biến động kinh tế)                             |
| Đối tượng: 28 Ngân hàng Thương mại Cổ phần Việt Nam                          |
| Dữ liệu: Panel Data (303 quan sát không cân bằng) từ FiinPro & BCTC kiểm toán  |
| Mục tiêu: Đo lường tác động của 7 nhân tố vi mô/vĩ mô lên ROA                 |
+-------------------------------------------------------------------------------+

Vấn đề cốt lõi mà các nhà quản trị ngân hàng phải đối mặt là xác định chính xác mức độ tác động của các nhân tố nội tại (an toàn vốn, quy mô tài sản, chất lượng tín dụng, thanh khoản dự phòng) và môi trường vĩ mô (lạm phát, tăng trưởng kinh tế) đến tỷ suất sinh lời trên tổng tài sản (Return on Assets - ROA). Nhiều nghiên cứu trước đây tại Việt Nam thường bị hạn chế bởi khung thời gian ngắn hoặc chưa bao quát giai đoạn khủng hoảng y tế - tài chính 2020–2021. Đồ án khóa luận tốt nghiệp của tác giả Nguyễn Bảo Đan (Trường Đại học Ngân hàng TP.HCM, dưới sự hướng dẫn của TS. Nguyễn Thế Bính) giải quyết khoảng trống này thông qua phân tích định lượng dữ liệu bảng đa chiều.

Mục tiêu nghiên cứu

  1. Hệ thống hóa cơ sở lý luận về hiệu quả tài chính và các mô hình đánh giá năng lực sinh lời của ngân hàng thương mại cổ phần.
  2. Xác định và lượng hóa mức độ tác động của 5 biến vi mô ($CAP$, $SIZE$, $NPL$, $LDR$, $LLR$) và 2 biến vĩ mô ($GDP$, $INF$) đến chỉ tiêu $ROA$ của 28 NHTM CP Việt Nam trong 11 năm.
  3. Đề xuất hàm ý quản trị và khuyến nghị chính sách thực tiễn nhằm tối ưu hóa cơ cấu vốn, quản trị nợ xấu và kiểm soát thanh khoản cho các ngân hàng thương mại.

Phương pháp giải quyết bài toán dựa trên quy trình kinh tế lượng dữ liệu bảng (Panel Data Econometrics), áp dụng lần lượt các kỹ thuật hồi quy OLS gộp (Pooled Ordinary Least Squares), mô hình tác động cố định (Fixed Effects Model - FEM), mô hình tác động ngẫu nhiên (Random Effects Model - REM) và khắc phục các khuyết tật mô hình (tự tương quan, phương sai sai số thay đổi) bằng ước lượng bình phương tối thiểu tổng quát khả thi (Feasible Generalized Least Squares - FGLS) trên phần mềm chuyên dụng Stata 17.

Phạm vi và giới hạn

  • Phạm vi không gian: 28 NHTM CP tại Việt Nam có đầy đủ báo cáo tài chính kiểm toán và báo cáo thường niên công khai (loại trừ 3 ngân hàng thiếu dữ liệu hoặc thuộc diện kiểm soát đặc biệt).
  • Phạm vi thời gian: Giai đoạn 2011–2021 (11 năm) với tổng cộng 303 quan sát.
  • Giới hạn kỹ thuật: Dữ liệu bảng dạng không cân bằng (Unbalanced Panel Data) do một số ngân hàng chưa niêm yết trong toàn bộ chuỗi thời gian.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu hiệu quả tài chính ngân hàng thường tiếp cận qua hai trường phái lý thuyết kinh tế chính: Lý thuyết Sức mạnh thị trường (Market Power - MP) và Lý thuyết Cấu trúc hiệu quả (Efficient Structure - ES). Để lượng hóa các lý thuyết này, các nghiên cứu thực nghiệm trong và ngoài nước đã áp dụng nhiều phương pháp xử lý dữ liệu khác nhau.

Phương pháp nghiên cứu Ưu điểm Nhược điểm Đánh giá độ phù hợp với đề tài
Hồi quy OLS đa biến cắt ngang (Cross-sectional OLS) Đơn giản, dễ thực hiện, trực quan trong phân tích một thời điểm Bỏ qua yếu tố biến đổi theo thời gian; vi phạm giả định khi có hiệu ứng riêng của từng ngân hàng Không phù hợp cho chuỗi biến động 11 năm
Mô hình chuỗi thời gian (Time-Series ARIMA/VAR) Mô hình hóa tốt độ trễ và xu hướng theo thời gian của từng ngân hàng Không phản ánh được đặc thù dị biệt giữa các ngân hàng có quy mô và cấu trúc vốn khác nhau Thiếu tính tổng quát cho toàn hệ thống
Hồi quy dữ liệu bảng tĩnh (Static Panel: OLS, FEM, REM) Kiểm soát được tính không đồng nhất (Heterogeneity) giữa các ngân hàng; tăng bậc tự do Dễ gặp hiện tượng tự tương quan chuỗi và phương sai sai số thay đổi Phù hợp khi kết hợp kiểm định chẩn đoán vi phạm giả định
Ước lượng vững FGLS (Feasible Generalized Least Squares) Khắc phục hoàn toàn phương sai sai số thay đổi và tự tương quan bậc 1 trong panel data Đòi hỏi số quan sát thời gian ($T$) và số đơn vị chéo ($N$) đủ lớn Lựa chọn tối ưu nhất cho dữ liệu 28 NHTM giai đoạn 2011–2021 
                MA TRẬN ƯU TIÊN YÊU CẦU DỮ LIỆU & MÔ HÌNH (MoSCoW)
+-----------------------------------------------------------------------------------+
| MUST HAVE:                                                                        |
|  - Trích xuất đủ 7 chỉ số tài chính từ FiinPro và World Bank/IMF (2011-2021).     |
|  - Thực hiện kiểm định F-Test, Hausman Test, Breusch-Pagan Lagrange Multiplier.   |
|  - Kiểm định chẩn đoán: VIF (Đa cộng tuyến), Wooldridge (Tự tương quan).          |
+-----------------------------------------------------------------------------------+
| SHOULD HAVE:                                                                      |
|  - Ước lượng hiệu chỉnh FGLS (xtgls) để đảm bảo tính vững của hệ số hồi quy.      |
|  - Phân tích tương quan Pearson giữa tất cả các cặp biến độc lập.                 |
+-----------------------------------------------------------------------------------+
| COULD HAVE:                                                                       |
|  - Mở rộng thêm biến trễ bậc 1 của ROA (Dynamic Panel / System GMM).              |
|  - Phân tích phân nhóm ngân hàng theo quy mô vốn (Big 4 vs Ngân hàng TMCP nhỏ).   |
+-----------------------------------------------------------------------------------+
| WON'T HAVE (IN THIS VERSION):                                                     |
|  - Ứng dụng Machine Learning phi tuyến tính (Random Forest, XGBoost).             |
+-----------------------------------------------------------------------------------+

Thiết kế hệ thống và mô hình định lượng

Quy trình nghiên cứu được chuẩn hóa thành một pipeline phân tích định lượng khép kín từ thu thập dữ liệu thứ cấp, tiền xử lý, kiểm định khuyết tật đến ước lượng hệ số hồi quy cuối cùng.

graph TD
    A["Dữ liệu thô FiinPro & BCTC Kiểm toán (2011-2021)"] --> B["Tiền xử lý & Tính toán biến: ROA, CAP, SIZE, NPL, LDR, LLR, GDP, INF"]
    B --> C["Thống kê mô tả & Kiểm định đa cộng tuyến (VIF, Pearson)"]
    C --> D["Ước lượng 3 mô hình cơ bản: Pooled OLS, FEM, REM"]
    D --> E{"Kiểm định lựa chọn mô hình"}
    E -- "F-Test (p < 0.05)" --> F["Chọn FEM thay vì OLS"]
    E -- "Hausman Test (p < 0.05)" --> G["Chọn FEM thay vì REM"]
    E -- "Breusch-Pagan Test (p < 0.05)" --> H["Chọn REM thay vì OLS"]
    F & G --> I["Kiểm định khuyết tật mô hình FEM: Wooldridge & Modified Wald"]
    I --> J{"Có tự tương quan hoặc phương sai thay đổi?"}
    J -- "Có vi phạm" --> K["Ước lượng mô hình FGLS (Cross-sectional Hetero & Autocorrelation)"]
    J -- "Không vi phạm" --> L["Giữ kết quả hồi quy FEM"]
    K --> M["Thảo luận kết quả & Đề xuất Hàm ý Quản trị"]

Công thức mô hình kinh tế lượng

Mô hình hồi quy tổng quát được thiết lập dưới dạng hàm tuyến tính:

$$ROA_{i,t} = \beta_0 + \beta_1 CAP_{i,t} + \beta_2 SIZE_{i,t} + \beta_3 NPL_{i,t} + \beta_4 LDR_{i,t} + \beta_5 LLR_{i,t} + \beta_6 GDP_t + \beta_7 INF_t + u_{i,t}$$

Trong đó:

  • $i$: Đại diện cho ngân hàng thứ $i$ ($i = 1, 2, \dots, 28$).
  • $t$: Đại diện cho năm tài chính ($t = 2011, 2012, \dots, 2021$).
  • $\beta_0$: Hệ số chặn (Constant).
  • $\beta_1, \dots, \beta_7$: Các hệ số hồi quy tương ứng với từng biến giải thích.
  • $u_{i,t}$: Sai số hỗn hợp ($u_{i,t} = \alpha_i + \epsilon_{i,t}$ trong mô hình FEM/REM).

Stack công nghệ và công cụ thực thi

  • Phần mềm xử lý kinh tế lượng: Stata SE Version 17.0 (chạy các lệnh xtset, regress, xtreg, vif, xttest3, xtserial, xtgls).
  • Nguồn trích xuất dữ liệu gốc: Cơ sở dữ liệu tài chính FiinPro Platform (bản quyền), Báo cáo tài chính hợp nhất đã kiểm toán, Niêm giám thống kê IMF và World Bank Open Data.
  • Cấu trúc lưu trữ dữ liệu: Bảng dữ liệu bảng hai chiều định danh (bank_id, year) chuẩn hóa định dạng Stata Data .dta.

Implementation và kết quả

Development Process & Code Script

Quá trình xử lý dữ liệu và ước lượng mô hình được tự động hóa qua script Stata Do-File nhằm đảm bảo tính tái lập (Reproducibility) và độ chính xác của kết quả kinh tế lượng.

* ==============================================================================
* STATA DO-FILE: PANEL DATA ANALYSIS ON BANK FINANCIAL PERFORMANCE (2011-2021)
* Tác giả: Nguyễn Bảo Đan | GVHD: TS. Nguyễn Thế Bính
* ==============================================================================

* 1. Thiết lập môi trường và cấu trúc dữ liệu bảng
clear all
set more off
use "bank_financial_performance_2011_2021.dta", clear
xtset bank_id year

* 2. Thống kê mô tả và kiểm định đa cộng tuyến
summarize roa cap size npl ldr llr gdp inf
pwcorr roa cap size npl ldr llr gdp inf, star(0.05)
regress roa cap size npl ldr llr gdp inf
vif

* 3. Ước lượng các mô hình cơ bản
* 3.1. Mô hình hồi quy Pooled OLS
regress roa cap size npl ldr llr gdp inf, vce(robust)
estimates store m_ols

* 3.2. Mô hình tác động cố định (FEM)
xtreg roa cap size npl ldr llr gdp inf, fe
estimates store m_fem

* 3.3. Mô hình tác động ngẫu nhiên (REM)
xtreg roa cap size npl ldr llr gdp inf, re
estimates store m_rem

* 4. Các kiểm định lựa chọn mô hình
* Kiểm định Hausman (FEM vs REM)
hausman m_fem m_rem

* Kiểm định Breusch and Pagan Lagrangian multiplier (OLS vs REM)
xttest0

* 5. Kiểm định khuyết tật mô hình trên mô hình FEM
* 5.1. Kiểm định phương sai sai số thay đổi (Modified Wald test)
xttest3

* 5.2. Kiểm định tự tương quan (Wooldridge test)
xtserial roa cap size npl ldr llr gdp inf

* 6. Khắc phục khuyết tật bằng mô hình FGLS
xtgls roa cap size npl ldr llr gdp inf, panels(heteroskedastic) corr(ar1)
estimates store m_fgls

Testing và validation

Kết quả kiểm định chẩn đoán kỹ thuật cho thấy:

  1. Kiểm định đa cộng tuyến (VIF): Hệ số $VIF$ cao nhất thuộc về biến $SIZE$ ($VIF = 2.50$), $VIF$ trung bình toàn mô hình đạt $1.50 < 10$. Ma trận tương quan Pearson cho thấy không có cặp biến độc lập nào có tương quan vượt quá $0.80$. Kết luận: Mô hình không tồn tại đa cộng tuyến nghiêm trọng.
  2. Kiểm định Hausman: Giá trị $p\text{-value} = 0.0000 < 0.05 \rightarrow$ Bác bỏ giả thuyết $H_0$, mô hình FEM vượt trội hơn REM.
  3. Kiểm định F-Test: Giá trị $F = 36.00$ ($p\text{-value} = 0.0000 < 0.01$) khẳng định mô hình FEM phù hợp hơn Pooled OLS.
  4. Kiểm định Wooldridge & Modified Wald: Phát hiện có hiện tượng tự tương quan bậc 1 ($p < 0.05$) và phương sai sai số thay đổi giữa các ngân hàng ($p < 0.05$). Do đó, ước lượng FGLS được kích hoạt để hiệu chỉnh sai số tiêu chuẩn, đảm bảo tính không chệch và hiệu quả của các tham số $\beta$.
+-------------------------------------------------------------------------------+
|                    BẢNG TỔNG HỢP KIỂM ĐỊNH LỰA CHỌN MÔ HÌNH                   |
+---------------------+-------------------------+------------+------------------+
| Loại kiểm định      | Giả thuyết H0           | P-Value    | Kết luận         |
+---------------------+-------------------------+------------+------------------+
| F-Test              | OLS phù hợp hơn FEM     | 0.0000***  | Bác bỏ H0 -> FEM |
| Hausman Test        | REM phù hợp hơn FEM     | 0.0000***  | Bác bỏ H0 -> FEM |
| Breusch-Pagan LM    | OLS phù hợp hơn REM     | 0.0000***  | Bác bỏ H0 -> REM |
| Modified Wald Test  | Phương sai đồng nhất    | 0.0000***  | Bác bỏ H0 -> FGLS|
| Wooldridge Test     | Không có tự tương quan  | 0.0012***  | Bác bỏ H0 -> FGLS|
+---------------------+-------------------------+------------+------------------+
Ghi chú: *** Ý nghĩa thống kê ở mức 1% (p < 0.01).

Kết quả thực nghiệm và Thống kê mô tả

Dữ liệu bảng gồm 303 quan sát từ 28 NHTM CP Việt Nam giai đoạn 2011–2021 cung cấp bức tranh định lượng rõ nét về các chỉ số tài chính.

Biến Ký hiệu Số quan sát Giá trị trung bình (Mean) Độ lệch chuẩn (Std. Dev.) Giá trị nhỏ nhất (Min) Giá trị lớn nhất (Max)
Tỷ suất sinh lời trên tài sản $ROA$ 303 0.85% 0.72% -5.42% (TPB 2011) 3.65% (TCB 2021)
Tỷ lệ vốn chủ sở hữu / Tổng tài sản $CAP$ 303 9.18% 3.83% 4.12% 23.84% (SGB 2013)
Quy mô ngân hàng $SIZE$ 303 8.05 0.49 6.88 9.24
Tỷ lệ nợ xấu $NPL$ 303 2.22% 1.28% 0.35% 8.78%
Tỷ lệ dư nợ trên tiền gửi $LDR$ 303 88.10% 18.25% 37.20% (MSB) 181.50%
Tỷ lệ dự phòng rủi ro tín dụng $LLR$ 303 62.00% 45.10% -20.15% 251.00%
Tăng trưởng kinh tế $GDP$ 303 5.90% 1.85% 2.58% (2021) 7.08% (2018)
Tỷ lệ lạm phát $INF$ 303 5.10% 4.25% 0.63% (2015) 18.58% (2011) 
+-----------------------------------------------------------------------------------+
|               KẾT QUẢ HỒI QUY FGLS & ĐÁNH GIÁ GIẢ THUYẾT NGHIÊN CỨU               |
+------------+--------------------+---------------+-----------------+---------------+
| Biến số    | Chiều tác động     | Mức ý nghĩa   | Dấu kỳ vọng     | Kết luận      |
+------------+--------------------+---------------+-----------------+---------------+
| CAP        | Đồng biến (+)      | 1% (p = 0.000)| Dương (+)       | Chấp nhận H1  |
| SIZE       | Đồng biến (+)      | 1% (p = 0.000)| Dương (+)       | Chấp nhận H2  |
| NPL        | Nghịch biến (-)    | 1% (p = 0.000)| Âm (-)          | Chấp nhận H3  |
| LDR        | Đồng biến (+)      | 1% (p = 0.002)| Dương (+)       | Chấp nhận H4  |
| LLR        | Không có ý nghĩa   | p > 0.10      | Âm (-)          | Bác bỏ H5     |
| GDP        | Không có ý nghĩa   | p > 0.10      | Dương (+)       | Bác bỏ H6     |
| INF        | Đồng biến (+)      | 10% (p = 0.08)| Dương (+)       | Chấp nhận H7  |
+------------+--------------------+---------------+-----------------+---------------+

Đổi mới và đóng góp

Nghiên cứu mang lại những đóng góp thực nghiệm và học thuật quan trọng đối với ngành Tài chính - Ngân hàng tại Việt Nam:

  1. Chuỗi dữ liệu 11 năm bao hàm cú sốc ngoại sinh toàn cầu: So với nghiên cứu của Lê Tiến Trung (2019, giai đoạn 2007–2018) hay Nguyễn Thị Thanh Bình (2021, giai đoạn 2017–2020), đề tài đã mở rộng chuỗi dữ liệu đến hết năm 2021. Khung thời gian này phản ánh trọn vẹn chu kỳ tái cơ cấu hệ sinh thái ngân hàng sau nợ xấu giai đoạn 2011–2015, quá trình hoàn thành Basel II (2016–2019) và năng lực thích ứng với đại dịch COVID-19 (2020–2021).
  2. Khắc phục triệt để khuyết tật dữ liệu bảng: Đề tài không dừng lại ở mô hình OLS/FEM thông thường mà ứng dụng kiểm định chuyên sâu (Wooldridge, Modified Wald) và xử lý bằng FGLS, loại bỏ hiện tượng sai số biến thiên và tương quan chuỗi, nâng cao độ tin cậy của các ước lượng tham số.
  3. Làm rõ tác động của an toàn vốn và quy mô: Chứng minh thực nghiệm rằng tỷ lệ vốn chủ sở hữu ($CAP$) và quy mô ($SIZE$) có tác động tích cực cực lớn đến $ROA$ tại Việt Nam (mức ý nghĩa 1%). Điều này bác bỏ giả thuyết cho rằng tăng quy mô tại Việt Nam gây ra sự cồng kềnh và suy giảm hiệu quả quản trị trong giai đoạn 2016–2021.
  4. Bằng chứng về quản trị thanh khoản và nợ xấu: Chỉ ra mức $LDR$ bình quân $88.10%$ nằm trong dải tối ưu thanh khoản tạo sinh lời cao, đồng thời định lượng hóa sự sụt giảm nghiêm trọng của $ROA$ khi tỷ lệ nợ xấu ($NPL$) gia tăng.

Ứng dụng thực tế và triển khai

Kết quả nghiên cứu cung cấp cơ sở định lượng vững chắc cho ban điều hành các NHTM CP và các nhà hoạch định chính sách tiền tệ tại Việt Nam.

                    MÔ HÌNH HÀM Ý QUẢN TRỊ 4 TRỤ CỘT TỐI ƯU ROA
+-------------------------------------------------------------------------------+
|  1. QUẢN TRỊ AN TOÀN VỐN (CAP)                                                |
|     - Tăng vốn cấp 1 từ lợi nhuận giữ lại và phát hành cổ phiếu chiến lược.   |
|     - Duy trì hệ số CAR > 10% (vượt mức 8% của Basel II / Thông tư 41).       |
+-------------------------------------------------------------------------------+
|  2. MỞ RỘNG QUY MÔ TÀI SẢN THEO CHIỀU SÂU (SIZE)                             |
|     - Tận dụng lợi thế kinh tế nhờ quy mô (Economies of Scale).               |
|     - Đẩy mạnh số hóa quy trình (Digital Banking) để tối ưu chi phí vận hành. |
+-------------------------------------------------------------------------------+
|  3. KIỂM SOÁT NỢ XẤU VÀ NÂNG CAO CHẤT LƯỢNG TÍN DỤNG (NPL)                  |
|     - Giữ NPL toàn hệ thống dưới 2.0% theo quy định NHNN.                     |
|     - Ứng dụng AI/Credit Scoring trong thẩm định phê duyệt hồ sơ vay.         |
+-------------------------------------------------------------------------------+
|  4. TỐI ƯU HÓA HỆ SỐ DƯ NỢ TRÊN TIỀN GỬI (LDR)                               |
|     - Duy trì tỷ lệ LDR trong vùng biên độ an toàn 80% - 85%.                 |
|     - Đa dạng hóa nguồn vốn huy động giá rẻ (tăng tỷ lệ tiền gửi CASA).       |
+-------------------------------------------------------------------------------+

Lộ trình triển khai khuyến nghị cho NHTM CP

+-------------+-----------------------------------+-----------------------------+
| Giai đoạn   | Mục tiêu trọng tâm                | Chỉ số đo lường (KPI)       |
+-------------+-----------------------------------+-----------------------------+
| Quý 1 - 2   | Rà soát danh mục tín dụng, xử lý  | NPL < 1.8%                  |
|             | các nhóm nợ tiềm ẩn rủi ro        | Tỷ lệ bao phủ nợ xấu > 100% |
+-------------+-----------------------------------+-----------------------------+
| Quý 3 - 4   | Tái cấu trúc nguồn vốn huy động,  | Tỷ lệ CASA > 25%            |
|             | kiểm soát chi phí vốn đầu vào     | LDR duy trì ở mức 82 - 85%  |
+-------------+-----------------------------------+-----------------------------+
| Năm thứ 2   | Nâng cao quy mô tài sản qua kênh  | Tăng trưởng tài sản 12-15%  |
|             | ngân hàng số và bán lẻ            | Chi phí trên thu nhập CIR < 35% |
+-------------+-----------------------------------+-----------------------------+
| Năm thứ 3   | Hoàn thiện chuẩn mực Basel III và | Hệ số CAR > 11.5%           |
|             | tối ưu hóa danh mục đầu tư        | ROA mục tiêu > 1.50%        |
+-------------+-----------------------------------+-----------------------------+

Hạn chế và hướng phát triển

Hạn chế kỹ thuật

  1. Dữ liệu bảng không cân bằng: Do một số ngân hàng thương mại nhỏ chưa niêm yết hoặc trải qua quá trình sáp nhập, tái cơ cấu bắt buộc nên chuỗi số liệu bị khuyết ở một số năm đầu chu kỳ.
  2. Chưa đưa vào các biến số công nghệ: Chưa lượng hóa tác động của chuyển đổi số ngân hàng (Digital Banking Adoption Index) và tỷ lệ thu nhập ngoài lãi (Non-Interest Income) do hạn chế thuyết minh báo cáo tài chính giai đoạn 2011–2015.
  3. Mô hình kinh tế lượng tĩnh: Chưa kiểm soát triệt để hiện tượng nội sinh tiềm tàng (Endogeneity) giữa biến quy mô, nợ xấu và khả năng sinh lời.

Hướng phát triển tiếp theo

  • Ứng dụng mô hình kinh tế lượng động dạng GMM hệ thống (Two-step System Generalized Method of Moments - GMM) nhằm kiểm soát độ trễ của $ROA_{t-1}$ và hiện tượng nội sinh.
  • Kết hợp các mô hình học máy (Machine Learning/Deep Learning) để dự báo sớm nguy cơ suy giảm ROA và xác định các ngưỡng phi tuyến tính của tỷ lệ $LDR$ và $NPL$.
  • Mở rộng phạm vi nghiên cứu so sánh đối sánh giữa nhóm NHTM có vốn Nhà nước và nhóm NHTM Cổ phần tư nhân.

Đối tượng hưởng lợi

+-------------------------------------------------------------------------------+
|                      BẢN ĐỒ GIÁ TRỊ CỦA NGHIÊN CỨU                            |
+-----------------------------------+-------------------------------------------+
| Nhóm đối tượng                    | Giá trị và lợi ích định lượng             |
+-----------------------------------+-------------------------------------------+
| Sinh viên & Học viên cao học      | Tài liệu tham khảo chuẩn mực về quy trình |
|                                   | chạy Stata, kiểm định FEM/REM và FGLS.    |
+-----------------------------------+-------------------------------------------+
| Chuyên viên phân tích định lượng  | Bộ khung tính toán hệ số vi mô/vĩ mô      |
| (Quant / Risk Analysts)           | và Do-file Stata chuẩn hóa.               |
+-----------------------------------+-------------------------------------------+
| Ban điều hành ngân hàng           | Căn cứ xây dựng chiến lược tăng vốn,      |
| (Bank Executives & BOD)           | kiểm soát thanh khoản và phân bổ tài sản. |
+-----------------------------------+-------------------------------------------+
| Nhà hoạch định chính sách (NHNN)  | Bằng chứng thực nghiệm để ban hành hạn    |
|                                   | mức tín dụng và chỉ số an toàn hệ thống.  |
+-----------------------------------+-------------------------------------------+

Câu hỏi thường gặp (FAQ)

1. Yêu cầu kỹ thuật tối thiểu để tái lập và triển khai mô hình kinh tế lượng này là gì?

Cần cài đặt phần mềm Stata phiên bản 15.0 trở lên (khuyến nghị Stata 17 hoặc 18 MP/SE) cùng các gói lệnh bổ sung (xttest3, xtserial). Dữ liệu đầu vào cần được cấu trúc theo định dạng Panel Data chuẩn hóa với 2 biến định danh chính là bank_id (mã số ngân hàng) và year (năm quan sát).

2. Tại sao nghiên cứu lựa chọn biến phụ thuộc là ROA thay vì ROE?

Mặc dù $ROE$ phản ánh lợi nhuận trên vốn chủ sở hữu cho cổ đông, nhưng $ROE$ chịu ảnh hưởng rất lớn bởi mức độ đòn bẩy tài chính. Trong khi đó, $ROA$ đo lường chính xác hiệu quả sử dụng tổng tài sản và chất lượng vận hành của ban quản lý mà không bị bóp méo bởi cấu trúc đòn bẩy vốn.

3. Làm thế nào để khắc phục khi mô hình FEM bị hiện tượng tự tương quan và phương sai sai số thay đổi?

Sử dụng phương pháp ước lượng bình phương tối thiểu tổng quát khả thi (FGLS) thông qua lệnh xtgls roa cap size npl ldr llr gdp inf, panels(heteroskedastic) corr(ar1) trong Stata. FGLS sẽ tái trọng số ma trận hiệp phương sai sai số, đảm bảo các ước lượng hệ số hồi quy đạt tính hiệu quả và vững.

4. Kết quả nghiên cứu có ý nghĩa gì đối với chính sách kiểm soát nợ xấu của các ngân hàng?

Hệ số hồi quy âm với mức ý nghĩa $1%$ của $NPL$ khẳng định: Cứ mỗi $1%$ nợ xấu gia tăng sẽ trực tiếp bào mòn tỷ suất sinh lời $ROA$ do phải trích lập dự phòng và gánh chịu chi phí xử lý nợ. Các ngân hàng cần duy trì tỷ lệ $NPL < 2%$ bằng việc siết chặt tiêu chuẩn cấp tín dụng và ứng dụng chấm điểm tín dụng tự động.

5. Chi phí và lộ trình ứng dụng mô hình định lượng này vào hệ thống Core Banking của ngân hàng thương mại?

Chi phí triển khai chủ yếu tập trung vào việc tích hợp hệ thống dữ liệu Data Warehouse và phần mềm phân tích rủi ro ALM (Asset-Liability Management). Thời gian triển khai kéo dài từ 3–6 tháng, mang lại hiệu quả ROI cao thông qua việc tối ưu hóa biên lãi thuần (NIM) và cắt giảm chi phí vốn dự phòng rủi ro.

Kết luận

Đồ án khóa luận tốt nghiệp của tác giả Nguyễn Bảo Đan đã giải quyết trọn vẹn và khoa học bài toán lượng hóa các nhân tố ảnh hưởng đến hiệu quả tài chính của 28 NHTM CP Việt Nam trong giai đoạn 2011–2021. Bằng việc ứng dụng quy trình kinh tế lượng dữ liệu bảng hiện đại và ước lượng FGLS, nghiên cứu đã chứng minh một cách thuyết phục rằng: Tỷ lệ an toàn vốn ($CAP$), quy mô tài sản ($SIZE$), tỷ lệ dư nợ trên huy động ($LDR$) và lạm phát ($INF$) tác động đồng biến có ý nghĩa thống kê lên $ROA$; trong khi tỷ lệ nợ xấu ($NPL$) là rào cản lớn nhất kéo giảm khả năng sinh lời.

Những kết quả này không chỉ đóng góp thêm bằng chứng thực nghiệm giá trị vào hệ thống tài liệu nghiên cứu ngân hàng tại Việt Nam, mà còn mang lại bộ giải pháp quản trị thực tiễn cho các tổ chức tín dụng trong hành trình nâng cao năng lực cạnh tranh, đáp ứng chuẩn mực quốc tế Basel II/Basel III và duy trì tăng trưởng bền vững trong kỷ nguyên số.