Giới thiệu dự án

Hệ thống ngân hàng thương mại (NHTM) giữ vai trò huyết mạch trong nền kinh tế Việt Nam, đóng góp hơn 50% tổng cung ứng vốn cho thị trường tài chính giai đoạn 2016–2021. Tuy nhiên, trước các biến động phức tạp của chu kỳ kinh tế vĩ mô và dịch bệnh Covid-19, tỷ lệ nợ xấu gộp của toàn ngành ngân hàng tăng vọt lên mức 7,31% vào cuối năm 2021 (tương đương mức 7,4% thời điểm bắt đầu triển khai Nghị quyết 42 năm 2017). Tỷ lệ vốn chủ sở hữu bình quân trên tổng tài sản (CA) của các ngân hàng dao động ở ngưỡng 8,05%, trong khi biên lãi ròng cận biên (NIM) chịu áp lực thu hẹp từ chính sách hạ lãi suất kích cầu.

Vấn đề cốt lõi đặt ra là: các nhân tố nội tại (quy mô, vốn tự có, chất lượng tài sản, cơ cấu thu nhập, chi phí) và các yếu tố vĩ mô (tăng trưởng GDP, lạm phát, cung tiền M2) tác động như thế nào đến khả năng sinh lời (KNSL) của các ngân hàng? Đâu là cơ chế truyền dẫn và mức độ nhạy cảm của các chỉ tiêu tài chính then chốt?

                               Khung Phân Tích KNSL Ngân Hàng

Mục tiêu cụ thể của dự án nghiên cứu:

  1. Hệ thống hóa cơ sở lý luận tài chính và các thước đo KNSL bao gồm Tỷ suất sinh lời trên tổng tài sản (ROA) và Tỷ suất sinh lời trên vốn chủ sở hữu (ROE).
  2. Xây dựng và ước lượng mô hình kinh tế lượng dữ liệu bảng (Panel Data) đa biến với 10 nhân tố (7 biến vi mô và 3 biến vĩ mô) trên mẫu 24 NHTM niêm yết trên thị trường chứng khoán Việt Nam (HOSE, HNX, UPCoM) trong 6 năm liên tục (2016–2021, tổng 144 quan sát).
  3. Đánh giá, kiểm định khuyết tật mô hình (đa cộng tuyến, phương sai sai số thay đổi, tự tương quan) và khắc phục bằng kỹ thuật ước lượng vững (Robust Standard Errors).
  4. Đề xuất nhóm giải pháp tái cơ cấu danh mục tài sản, đa dạng hóa thu nhập và kiểm soát chi phí vận hành nhằm tối ưu hóa hiệu quả sinh lời bền vững.

Phạm vi nghiên cứu tập trung vào 24 NHTM cổ phần niêm yết (gồm 3 NHTM Nhà nước nắm cổ phần chi phối: Vietcombank, BIDV, VietinBank và 21 NHTM cổ phần tư nhân) đại diện cho hơn 70% tổng tài sản toàn hệ thống ngân hàng Việt Nam. Giới hạn nghiên cứu không bao gồm các ngân hàng thương mại 100% vốn nước ngoài hoặc ngân hàng liên doanh phi niêm yết.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Các công trình nghiên cứu trước đây về KNSL ngân hàng thường bộc lộ những khoảng trống về mặt phương pháp luận và dữ liệu thực nghiệm:

Nghiên cứu thực nghiệm Mẫu và thời gian khảo sát Phương pháp ước lượng Ưu điểm Nhược điểm / Khoảng trống
Sufian (2011) NHTM Hàn Quốc (1992–2002) Pooled OLS, Fixed Effects Phân tích sâu giai đoạn hậu khủng hoảng tài chính châu Á Mẫu dữ liệu cũ, không đại diện cho cấu trúc ngân hàng chuyển đổi
Trần Việt Dũng (2014) 20 NHTM Việt Nam (2006–2012) Generalized Method of Moments (GMM) Khắc phục được tính nội sinh của mô hình động Chưa đánh giá vai trò của thu nhập ngoài lãi (DIA) và nới room tín dụng
Nguyễn Phạm Nhã Trúc và cs (2016) 28 NHTM Việt Nam (2002–2013) Pooled OLS, FEM, REM Thời gian chuỗi dài (12 năm) Chưa cập nhật chuẩn mực Basel II và các cú sốc vĩ mô hậu 2015
Đề tài hiện tại (Quỳnh, 2022) 24 NHTM niêm yết (2016–2021) Panel Data (FEM Robust, Modified Wald) Dữ liệu 144 quan sát đồng nhất, tích hợp cả 7 biến nội sinh và 3 biến vĩ mô Cần mở rộng chuỗi thời gian cho giai đoạn bình thường mới

Ưu tiên hóa các yêu cầu phân tích dữ liệu theo phương pháp MoSCoW:

  • Must-have: Kiểm soát đầy đủ 10 biến độc lập; xử lý triệt để hiện tượng Phương sai sai số thay đổi (PSSSTĐ); kiểm định tính phù hợp mô hình thông qua kiểm định Likelihood Ratio (F-test) và Hausman.
  • Should-have: Phân nhóm so sánh hiệu quả sinh lời giữa nhóm NHTM Nhà nước và NHTM cổ phần tư nhân.
  • Could-have: Tích hợp kiểm định tự tương quan Wooldridge và phân tích ma trận tương quan Pearson.
  • Won't-have (giai đoạn này): Ưu tiên hồi quy tĩnh FEM trước khi xem xét hồi quy động 2 bước System-GMM (dành cho nghiên cứu mở rộng).

Thiết kế hệ thống

Mô hình kinh tế lượng hồi quy đa biến dữ liệu bảng tổng quát được thiết lập như sau:

$$Y_{it} = \beta_0 + \beta_1 S_{it} + \beta_2 CA_{it} + \beta_3 LDR_{it} + \beta_4 NIM_{it} + \beta_5 DIA_{it} + \beta_6 LPCLR_{it} + \beta_7 OEAR_{it} + \beta_8 MSG_{it} + \beta_9 GDP_{it} + \beta_{10} INF_{it} + u_i + \varepsilon_{it}$$

Trong đó:

  • $Y_{it}$: Thước đo khả năng sinh lời ($ROA_{it}$ hoặc $ROE_{it}$) của ngân hàng $i$ tại năm $t$.
  • $S_{it}$: Quy mô ngân hàng, đo lường bằng $\ln(\text{Tổng tài sản})$.
  • $CA_{it}$: Tỷ lệ an toàn vốn / đòn bẩy tài chính ($\text{Vốn chủ sở hữu} / \text{Tổng tài sản}$).
  • $LDR_{it}$: Tỷ lệ dư nợ cho vay trên tiền gửi huy động ($\text{Loans} / \text{Deposits}$).
  • $NIM_{it}$: Biên thu nhập lãi ròng cận biên ($\text{Thu nhập lãi thuần} / \text{Tổng tài sản}$).
  • $DIA_{it}$: Tỷ lệ thu nhập ngoài lãi ($\text{Thu nhập ngoài lãi thuần} / \text{Tổng tài sản}$).
  • $LPCLR_{it}$: Tỷ lệ dự phòng rủi ro tín dụng ($\text{Chi phí dự phòng RRTD} / \text{Tổng dư nợ}$).
  • $OEAR_{it}$: Tỷ lệ chi phí hoạt động ($\text{Chi phí hoạt động} / \text{Tổng tài sản}$).
  • $MSG_{it}$, $GDP_{it}$, $INF_{it}$: Tốc độ tăng trưởng cung tiền M2, tốc độ tăng trưởng GDP thực tế và tỷ lệ lạm phát bình quân (CPI).
  • $u_i$: Hiệu ứng riêng biệt không quan sát được theo từng ngân hàng; $\varepsilon_{it}$: Sai số ngẫu nhiên.
+-------------------------------------------------------------------------------+
|                           Technology & Analytics Stack                        |
+-------------------------------------------------------------------------------+
| Core Econometrics Engine: Stata 14.0 MP / Stata 17 Standard Edition           |
| Data Preprocessing: Python 3.10 (Pandas 1.5, NumPy 1.23, Statsmodels 0.13)    |
| Financial Data Pipeline: BCTC Audited Reports, FiinPro Platform, World Bank   |
| Macroeconomic Datasets: General Statistics Office (GSO), State Bank of Vietnam|
+-------------------------------------------------------------------------------+

Methodology

Nghiên cứu ứng dụng quy trình phân tích định lượng chuẩn hóa 5 giai đoạn:

  1. Thu thập & Chuẩn hóa dữ liệu: Trích xuất chỉ tiêu tài chính từ 144 Báo cáo tài chính hợp nhất đã kiểm toán của 24 NHTM; kết hợp bộ chỉ số vĩ mô từ World Bank DataBank và Tổng cục Thống kê.
  2. Thống kê mô tả & Phân tích ma trận tương quan: Tính toán các giá trị Mean, Std. Dev, Min, Max và chỉ số tương quan r-Pearson nhằm phát hiện sớm nguy cơ đa cộng tuyến (Multicollinearity).
  3. Lựa chọn mô hình hồi quy tối ưu:
    • Kiểm định F-test (Likelihood Ratio test) để lựa chọn giữa Pooled OLS và Mô hình hiệu ứng cố định (Fixed Effects Model - FEM).
    • Kiểm định Breusch-Pagan Lagrange Multiplier để so sánh Pooled OLS và Mô hình hiệu ứng ngẫu nhiên (Random Effects Model - REM).
    • Kiểm định Hausman Specification Test ($H_0$: REM là ước lượng hiệu quả) để đưa ra lựa chọn quyết định giữa FEM và REM.
  4. Kiểm định chẩn đoán khuyết tật: Thực hiện kiểm định Modified Wald Test nhằm phát hiện hiện tượng Phương sai sai số thay đổi (Groupwise Heteroskedasticity).
  5. Ước lượng vững & Hiệu chỉnh mô hình: Áp dụng phương sai sai số hiệu chỉnh cụm (Huber-White Robust Standard Errors / Driscoll-Kraay) để thu được các hệ số ước lượng không chệch và có hiệu quả thống kê cao nhất.

Implementation và kết quả

Development process

Toàn bộ quy trình xử lý dữ liệu và ước lượng mô hình được tự động hóa bằng Stata Do-File Script tiêu chuẩn:

*====================================================================*
* KHÓA LUẬN: CÁC NHÂN TỐ ẢNH HƯỞNG ĐẾN KNSL CỦA CÁC NHTM NIÊM YẾT     *
* Tác giả: Phạm Thị Như Quỳnh | Phần mềm: Stata 14.0/17              *
*====================================================================*

* 1. Thiết lập môi trường dữ liệu bảng (Panel Setup)
clear all
import delimited "bank_profitability_data_2016_2021.csv", clear
destring size ca ldr nim dia lpclr oear msg gdp inf roa roe, replace
xtset bank_id year

* 2. Thống kê mô tả và kiểm tra đa cộng tuyến
sum roa roe size ca ldr nim dia lpclr oear msg gdp inf
pwcorr roa roe size ca ldr nim dia lpclr oear msg gdp inf, sig star(0.05)
reg roa size ca ldr nim dia lpclr oear msg gdp inf
estat vif

* 3. Ước lượng mô hình FEM và REM cho biến phụ thuộc ROA
xtreg roa size ca ldr nim dia lpclr oear msg gdp inf, fe
estimates store MODEL_FEM
xtreg roa size ca ldr nim dia lpclr oear msg gdp inf, re
estimates store MODEL_REM

* 4. Kiểm định lựa chọn mô hình (Hausman Test)
hausman MODEL_FEM MODEL_REM

* 5. Kiểm định phương sai sai số thay đổi (Modified Wald Test)
xtreg roa size ca ldr nim dia lpclr oear msg gdp inf, fe
xttest3

* 6. Khắc phục khuyết tật bằng kỹ thuật hồi quy vững (Robust FEM)
xtreg roa size ca ldr nim dia lpclr oear msg gdp inf, fe vce(robust)
estimates store ROA_FINAL_ROBUST

* 7. Thực hiện tương tự cho biến phụ thuộc ROE
xtreg roe size ca ldr nim dia lpclr oear msg gdp inf, fe vce(robust)
estimates store ROE_FINAL_ROBUST

Testing và validation

Kết quả thực nghiệm từ các kiểm định kinh tế lượng mang lại các bằng chứng thống kê vững chắc:

  1. Kiểm định đa cộng tuyến (VIF): Hệ số phóng đại phương sai (VIF) của tất cả các biến độc lập đều nhỏ hơn 3,0 (trung bình VIF = 1,64 < 5,0), khẳng định mô hình không xảy ra hiện tượng đa cộng tuyến nghiêm trọng.
  2. Kiểm định Likelihood Ratio (F-test): Giá trị $F(23, 110) = 8,42$ với $p\text{-value} = 0,0000 < 0,05$, bác bỏ giả thuyết $H_0$, cho thấy mô hình FEM vượt trội hoàn toàn so với mô hình Pooled OLS.
  3. Kiểm định Hausman: Thống kê $\chi^2(10) = 24,76$ với $p\text{-value} = 0,0058 < 0,05$, bác bỏ giả thuyết $H_0$ (sự không tương quan giữa sai số cá thể và các biến giải thích), xác nhận mô hình Fixed Effects Model (FEM) là mô hình tối ưu.
  4. Kiểm định Phương sai sai số thay đổi (Modified Wald Test): Thống kê $\chi^2(24) = 482,19$ với $p\text{-value} = 0,0000 < 0,01$, chỉ ra sự tồn tại của hiện tượng PSSSTĐ giữa các ngân hàng. Kỹ thuật vce(robust) đã được kích hoạt thành công để khử hoàn toàn sai số chuẩn bị lệch.

Kết quả đạt được

Bảng tổng hợp kết quả hồi quy mô hình FEM hiệu chỉnh sai số vững (Robust FEM) cho hai biến phụ thuộc ROA và ROE:

Biến độc lập Ký hiệu Tác động kỳ vọng Hệ số hồi quy (ROA) $p$-value (ROA) Hệ số hồi quy (ROE) $p$-value (ROE) Ý nghĩa thống kê
Quy mô tài sản S $+$ $+0,0032$ $0,028^{**}$ $+0,0281$ $0,041^{**}$ Có ý nghĩa ở mức 5%
Vốn chủ sở hữu CA $+$ $+0,0845$ $0,001^{***}$ $-0,4210$ $0,008^{***}$ Dương với ROA, âm với ROE
Tỷ lệ cho vay/Tiền gửi LDR $+$ $+0,0018$ $0,142$ $+0,0152$ $0,210$ Không có ý nghĩa
Biên thu nhập lãi ròng NIM $+$ $+0,3412$ $0,000^{***}$ $+3,1240$ $0,000^{***}$ Có ý nghĩa ở mức 1%
Thu nhập ngoài lãi DIA $+$ $+0,2874$ $0,002^{***}$ $+2,4815$ $0,004^{***}$ Có ý nghĩa ở mức 1%
Dự phòng rủi ro TD LPCLR $-$ $-0,0512$ $0,014^{**}$ $-0,5831$ $0,022^{**}$ Có ý nghĩa ở mức 5%
Chi phí hoạt động OEAR $-$ $-0,1925$ $0,000^{***}$ $-1,8420$ $0,000^{***}$ Có ý nghĩa ở mức 1%
Tăng trưởng cung tiền MSG $+$ $+0,0041$ $0,381$ $+0,0319$ $0,412$ Không có ý nghĩa
Tăng trưởng kinh tế GDP $+$ $+0,0218$ $0,011^{**}$ $+0,1984$ $0,018^{**}$ Có ý nghĩa ở mức 5%
Tỷ lệ lạm phát INF $+$ $+0,0154$ $0,045^{**}$ $+0,1267$ $0,052^{*}$ Có ý nghĩa ở mức 5%
Hệ số chặn _cons $-0,0421$ $0,035$ $-0,3120$ $0,048$
Thống kê mô hình $R^2 = 64,8%$ $F = 38,42^{***}$ $R^2 = 59,2%$ $F = 29,15^{***}$ Độ phù hợp cao

[!NOTE] Ghi chú: $^{}$, $^{}$, $^{}$ lần lượt biểu thị mức ý nghĩa thống kê 1%, 5% và 10%.

Đánh giá định lượng kết quả:

  • Biên lãi ròng (NIM) và Thu nhập ngoài lãi (DIA) là hai động lực mạnh nhất thúc đẩy KNSL ($p < 0,01$). Khi NIM tăng thêm 1%, ROA tăng thêm 0,3412% và ROE tăng 3,1240%. Sự mở rộng của DIA giúp cải thiện ROA thêm 0,2874%.
  • Vốn chủ sở hữu (CA) tác động cùng chiều mạnh mẽ đến ROA (+0,0845), đóng vai trò tấm đệm hấp thụ rủi ro, nhưng lại tác động nghịch chiều đến ROE (-0,4210) do hiệu ứng pha loãng đòn bẩy tài chính.
  • Chi phí hoạt động (OEAR) tác động tiêu cực rất lớn đến KNSL (-0,1925 với ROA, -1,8420 với ROE), chứng minh hiệu quả quản lý chi phí là yếu tố quyết định khả năng cạnh tranh.
  • Rủi ro tín dụng (LPCLR) làm suy giảm trực tiếp KNSL do áp lực trích lập dự phòng theo quy định của Ngân hàng Nhà nước.

Đổi mới và đóng góp

Nghiên cứu mang lại những đóng góp khoa học và thực tiễn định lượng rõ rệt:

  • Cập nhật dữ liệu đa biến: Đề tài nghiên cứu bao quát trọn vẹn giai đoạn 2016–2021, phản ánh rõ nét tác động phân hóa giữa nhóm NHTM Nhà nước (quy mô lớn nhưng ROA/ROE bình quân chỉ đạt 0,49%–1,45%) và nhóm NHTM cổ phần tư nhân năng động (Techcombank đạt ROA 3,06%–3,5%, VIB đạt ROE vượt mức 30,33%).
  • Xác thực giả thuyết cấu trúc thu nhập hiện đại: Khẳng định thu nhập ngoài lãi (DIA) không làm tăng bất ổn rủi ro mà ngược lại đóng vai trò là "cứu cánh" lợi nhuận trong bối cảnh tăng trưởng tín dụng bị kiểm soát bởi trần room của Ngân hàng Nhà nước.
  • Cải tiến phương pháp thực nghiệm: Khắc phục triệt để hiện tượng phương sai sai số thay đổi bằng ước lượng Robust FEM, nâng cao độ tin cậy của các hệ số kiểm định so với các mô hình Pooled OLS truyền thống.

Ứng dụng thực tế và triển khai

Dự án cung cấp bộ khuyến nghị hành động cho công tác quản trị tại các NHTM Việt Nam:

  • Tối ưu hóa cấu trúc tài sản sinh lời: Gia tăng quy mô tài sản an toàn thông qua đầu tư trái phiếu doanh nghiệp chất lượng cao và tín dụng bán lẻ có tài sản bảo đảm vững chắc.
  • Đẩy mạnh tỷ trọng thu nhập phi tín dụng (DIA): Mở rộng hệ sinh thái số hóa, dịch vụ bảo hiểm liên kết ngân hàng (Bancassurance), thanh toán quốc tế và ngân hàng số nhằm nâng tỷ trọng thu ngoài lãi lên mức 16–17% tổng thu nhập hoạt động theo định hướng đến năm 2025 của NHNN.
  • Kiểm soát chi phí hoạt động qua chuyển đổi số: Ứng dụng tự động hóa quy trình (RPA) và trí tuệ nhân tạo (AI) trong chấm điểm tín dụng và vận hành để hạ thấp tỷ lệ chi phí trên thu nhập (CIR - Cost to Income Ratio) xuống dưới 35%, qua đó gia tăng trực tiếp tỷ suất ROA/ROE thêm 12–15%.
  • Chủ động trích lập dự phòng và xử lý nợ xấu: Áp dụng hệ thống quản trị rủi ro theo tiêu chuẩn Basel II/Basel III để kiểm soát chặt chẽ tỷ lệ trích lập dự phòng rủi ro cho vay (LPCLR), giảm thiểu tổn thất tín dụng trước các cú sốc vĩ mô.

Hạn chế và hướng phát triển

Dù đạt được các kết quả thực nghiệm có ý nghĩa thống kê cao, đề tài vẫn tồn tại một số hạn chế nhất định:

  • Dữ liệu nghiên cứu giới hạn ở 24 NHTM niêm yết trong giai đoạn 6 năm (144 quan sát), chưa bao gồm toàn bộ các TCTD phi ngân hàng và ngân hàng nước ngoài tại Việt Nam.
  • Mô hình tĩnh FEM chưa kiểm soát hoàn toàn hiện tượng nội sinh động (Dynamic Endogeneity) xuất phát từ độ trễ của biến phụ thuộc ($ROA_{t-1}, ROE_{t-1}$).

Hướng phát triển tiếp theo:

  1. Mở rộng chuỗi dữ liệu sang giai đoạn 2022–2025 và áp dụng mô hình hồi quy động System-GMM (Blundell & Bond) để kiểm soát triệt để độ trễ thời gian và tính nội sinh.
  2. Thử nghiệm kết hợp các mô hình Machine Learning giải thích được (Explainable AI - XAI, SHAP values) để phát hiện mối quan hệ phi tuyến tính giữa đòn bẩy tài chính và KNSL ngân hàng.

Đối tượng hưởng lợi

  • Sinh viên & Học viên Cao học Tài chính - Ngân hàng: Cung cấp tài liệu tham khảo chuẩn mực về quy trình hồi quy dữ liệu bảng, phương pháp xử lý kiểm định kinh tế lượng trên phần mềm Stata và cơ sở lý luận KNSL.
  • Chuyên viên phân tích tài chính & Nhà đầu tư: Cung cấp mô hình lượng hóa độ nhạy của cổ phiếu ngân hàng trước các biến số kinh tế vĩ mô (lạm phát, tăng trưởng GDP, cung tiền M2) phục vụ định giá cổ phiếu ngân hàng trên TTCK.
  • Ban Điều hành & Khối Quản trị rủi ro tại các NHTM: Cung cấp cơ sở khoa học để hoạch định chiến lược đa dạng hóa thu nhập ngoài lãi, tối ưu hóa NIM và kiểm soát tỷ lệ chi phí hoạt động (OEAR).
  • Cơ quan quản lý (Ngân hàng Nhà nước): Hỗ trợ dữ liệu thực nghiệm trong việc điều hành chính sách tiền tệ, quy định tỷ lệ an toàn vốn (CAR) và cơ chế phân bổ hạn mức tín dụng.

Câu hỏi thường gặp

  1. Tại sao mô hình FEM lại phù hợp hơn mô hình Pooled OLS và REM trong nghiên cứu này?
    Kiểm định Likelihood Ratio (F-test) cho $p\text{-value} = 0,0000$ chỉ ra rằng có sự khác biệt đặc thù giữa các ngân hàng, bác bỏ Pooled OLS. Kiểm định Hausman cho kết quả $p = 0,0058 < 0,05$, khẳng định có sự tương quan giữa các đặc tính riêng biệt của ngân hàng với các biến giải thích, do đó mô hình FEM là ước lượng không chệch và tối ưu nhất.

  2. Tại sao tỷ lệ vốn chủ sở hữu (CA) lại tác động trái chiều giữa ROA và ROE?
    Tỷ lệ CA cao giúp tăng cường tiềm lực tài chính, giảm chi phí huy động vốn và hấp thụ rủi ro tốt hơn, từ đó làm tăng lợi nhuận trên tài sản (ROA). Tuy nhiên, xét theo phương trình DuPont ($\text{ROE} = \text{ROA} \times \text{Đòn bẩy tài chính}$), việc gia tăng vốn chủ sở hữu làm giảm hệ số đòn bẩy, tạo ra hiệu ứng pha loãng khiến tỷ suất ROE suy giảm.

  3. Làm thế nào để xử lý hiện tượng phương sai sai số thay đổi phát hiện qua kiểm định Modified Wald?
    Nghiên cứu sử dụng tùy chọn hồi quy với sai số chuẩn vững vce(robust) trên Stata. Kỹ thuật này tự động hiệu chỉnh ma trận hiệp phương sai của hệ số ước lượng, đảm bảo các kết luận kiểm định giả thuyết $t$ và $F$ hoàn toàn chính xác.

  4. Thu nhập ngoài lãi (DIA) đóng góp cụ thể như thế nào vào sự ổn định của ngân hàng?
    Thu nhập ngoài lãi gồm phí dịch vụ thanh toán, hoa hồng bảo hiểm, ngân hàng số và kinh doanh ngoại hối. Các nguồn thu này không tiêu tốn vốn tín dụng, không chịu rủi ro trích lập nợ xấu và duy trì dòng tiền ổn định ngay cả khi thị trường tín dụng suy giảm.

  5. Chi phí hoạt động (OEAR) tác động tiêu cực đến KNSL có đồng nghĩa với việc ngân hàng phải cắt giảm lương nhân sự?
    Không. Giảm OEAR cần được thực hiện thông qua tối ưu hóa quy trình, tự động hóa bằng công nghệ và nâng cao năng suất lao động theo giả thuyết "tiền lương hiệu quả" (Efficiency Wage Hypothesis), thay vì cắt giảm cơ học chế độ đãi ngộ.

Kết luận

Khóa luận tốt nghiệp của tác giả Phạm Thị Như Quỳnh đã hoàn thành xuất sắc việc lượng hóa các nhân tố chi phối khả năng sinh lời của 24 NHTM niêm yết trên TTCK Việt Nam giai đoạn 2016–2021. Bằng việc kết hợp chặt chẽ giữa khung lý thuyết kinh tế tài chính và phương pháp hồi quy dữ liệu bảng tiên tiến (Robust FEM), nghiên cứu đã chứng minh rõ vai trò quyết định của biên lãi ròng (NIM), thu nhập phi tín dụng (DIA), năng lực kiểm soát chi phí vận hành (OEAR) và tấm đệm vốn tự có (CA) đối với hiệu quả hoạt động ngân hàng. Đây là tài liệu tham khảo giá trị cho các nhà nghiên cứu, sinh viên chuyên ngành Tài chính - Ngân hàng cũng như các nhà hoạch định chiến lược kinh doanh ngân hàng trong kỷ nguyên số hóa.