Giới thiệu dự án

Hệ thống ngân hàng thương mại (NHTM) giữ vai trò huyết mạch của nền kinh tế, đảm nhiệm chức năng trung gian tài chính, điều tiết dòng vốn và thúc đẩy tăng trưởng quốc gia. Trong giai đoạn 2011–2021, thị trường tài chính Việt Nam trải qua nhiều biến động lớn: tái cơ cấu hệ thống tổ chức tín dụng, xử lý nợ xấu thông qua Công ty Quản lý Tài sản (VAMC), áp dụng chuẩn mực an toàn vốn Basel II (Thông tư 41/2016/TT-NHNN) và đối mặt với tác động của đại dịch Covid-19. Trong bối cảnh biên lãi thuần (NIM) chịu nhiều áp lực và lạm phát biến động từ 0,63% (năm 2015) đến 18,68% (năm 2011), việc tối ưu hóa hiệu quả tài chính và kiểm soát rủi ro trở thành bài toán sống còn đối với các nhà quản trị ngân hàng.

Vấn đề cốt lõi đặt ra là: Những nhân tố nội tại nào trong ngân hàng và nhân tố kinh tế vĩ mô nào quyết định đến khả năng sinh lời của các NHTM Việt Nam? Mức độ tác động cụ thể ra sao khi dữ liệu tài chính thường xuyên mắc các khuyết tật chuỗi thời gian và không gian?

                     KHUNG PHÂN TÍCH HIỆU QUẢ TÀI CHÍNH NHTM

Đề tài khóa luận "Các nhân tố ảnh hưởng đến lợi nhuận của các ngân hàng thương mại Việt Nam" do tác giả Nguyễn Thị Cẩm Tú thực hiện dưới sự hướng dẫn khoa học của TS. Phan Ngọc Minh (Trường Đại học Ngân hàng TP. Hồ Chí Minh, 2023) đã giải quyết toàn diện bài toán trên thông qua các mục tiêu cụ thể:

  1. Xác định và đo lường mức độ tác động của 6 nhân tố nội tại (Quy mô ngân hàng - SIZE, Tỷ lệ vốn chủ sở hữu - CAP, Tỷ lệ cho vay - LOAN, Tỷ lệ nợ xấu - NPL, Tính thanh khoản - LIQ, Thu nhập ngoài lãi - NII) và 2 nhân tố kinh tế vĩ mô (Tăng trưởng GDP, Tỷ lệ lạm phát - INF) đến hai thước đo lợi nhuận đại diện là ROA (Return on Assets) và ROE (Return on Equity).
  2. Kiểm định và lựa chọn mô hình kinh tế lượng tối ưu trên dữ liệu bảng (Panel Data) bao gồm Pooled OLS, Fixed Effects Model (FEM), Random Effects Model (REM) và áp dụng phương pháp Khả năng bình phương bé nhất tổng quát (Feasible Generalized Least Squares - FGLS) để khắc phục triệt để hiện tượng tự tương quan và phương sai sai số thay đổi.
  3. Đề xuất hệ thống khuyến nghị thực tiễn dựa trên bằng chứng định lượng giúp các NHTM gia tăng lợi nhuận, nâng cao năng lực cạnh tranh và đảm bảo an toàn hệ thống.

Phạm vi nghiên cứu bao gồm bộ dữ liệu bảng cân bằng (balanced panel) của 20 NHTM cổ phần Việt Nam niêm yết và đại chúng trong 11 năm liên tục (2011–2021), tạo ra 220 quan sát chuẩn hóa trích xuất từ các báo cáo tài chính đã được kiểm toán độc lập cùng số liệu vĩ mô chính thức từ Tổng cục Thống kê và Quỹ Tiền tệ Quốc tế (IMF).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu khả năng sinh lời ngân hàng là chủ đề thu hút nhiều học giả trong và ngoài nước. Tuy nhiên, các cách tiếp cận truyền thống bộc lộ một số hạn chế về mặt mô hình và xử lý khuyết tật mẫu:

Tiêu chí so sánh Nghiên cứu truyền thống (Pooled OLS / Time Series) Phương pháp Dynamic Panel (GMM / Tobit) Phương pháp tiếp cận của đề tài (Static Panel + FGLS)
Xử lý đặc trưng riêng (Heterogeneity) Bỏ qua đặc trưng riêng của từng ngân hàng, gây chệch hệ số góc. Kiểm soát độ trễ biến phụ thuộc tốt nhưng yêu cầu mẫu $N$ rất lớn ($N \to \infty$). Kiểm soát hiệu ứng cố định từng ngân hàng ($u_i$) thông qua FEM và kiểm định Hausman.
Hiện tượng phương sai thay đổi Thường xuyên vi phạm giả định Gauss-Markov, làm mất hiệu quả ước lượng. Khắc phục được qua ma trận trọng số Weighting Matrix. Khắc phục hoàn toàn bằng kỹ thuật ước lượng ma trận hiệp phương sai sai số FGLS.
Hiện tượng tự tương quan (Autocorrelation) Làm sai lệch giá trị sai số chuẩn ($SE$), dẫn đến kiểm định $t$ và $F$ không đáng tin. Khắc phục qua biến công cụ (Instrumental Variables). Tích hợp xử lý tự tương quan bậc nhất $AR(1)$ trực tiếp trong cấu trúc FGLS.
Khả năng ứng dụng thực tế Kém tin cậy trong môi trường biến động. Phức tạp trong việc chọn công cụ trễ (lags). Trực quan, dễ giải thích ý nghĩa kinh tế cho nhà quản trị ngân hàng.

Dựa trên khung phân tích yêu cầu MoSCoW:

  • Must have (Bắt buộc): Bộ dữ liệu bảng chuẩn hóa $20 \times 11$; ma trận tương quan Pearson; kiểm định đa cộng tuyến VIF; kiểm định lựa chọn mô hình F-test và Hausman test; kiểm định phương sai thay đổi Modified Wald / Breusch-Pagan; kiểm định tự tương quan Wooldridge.
  • Should have (Nên có): Kỹ thuật hồi quy FGLS (xtgls) triệt tiêu khuyết tật; phân tích song song hai biến phụ thuộc ROA và ROE.
  • Could have (Có thể mở rộng): Mở rộng biến cấu trúc sở hữu nhà nước và các chỉ số tài chính phi tuyến.
  • Won't have (Không thực hiện): Hồi quy chuỗi thời gian đơn lẻ từng ngân hàng do không phản ánh được tính bao quát toàn ngành.

Thiết kế hệ thống và mô hình định lượng

Mô hình nghiên cứu kinh tế lượng được thiết lập dưới dạng tổng quát:

$$Y_{it} = \beta_0 + \beta_1 SIZE_{it} + \beta_2 LOAN_{it} + \beta_3 CAP_{it} + \beta_4 NPL_{it} + \beta_5 LIQ_{it} + \beta_6 NII_{it} + \beta_7 GDP_{t} + \beta_8 INF_{t} + u_i + \varepsilon_{it}$$

Trong đó:

  • $i = 1, 2, \dots, 20$ (Đại diện cho 20 NHTM); $t = 2011, 2012, \dots, 2021$ (11 năm quan sát).
  • $Y_{it}$: Đại diện cho chỉ tiêu lợi nhuận gồm $ROA_{it}$ (Lợi nhuận sau thuế / Tổng tài sản bình quân) và $ROE_{it}$ (Lợi nhuận sau thuế / Vốn chủ sở hữu bình quân).
  • $u_i$: Sai số đặc trưng không quan sát được của từng ngân hàng $i$, bất biến theo thời gian.
  • $\varepsilon_{it}$: Phần dư ngẫu nhiên của mô hình.
                    QUY TRÌNH XỬ LÝ KINH TẾ LƯỢNG (PIPELINE)

Bảng mô tả các biến trong mô hình định lượng:

Ký hiệu biến Tên biến Công thức đo lường Kỳ vọng dấu Cơ sở lý thuyết
ROA Lợi nhuận trên tổng tài sản $\text{Lợi nhuận sau thuế} / \text{Tổng tài sản bình quân}$ Biến phụ thuộc Thước đo hiệu quả sử dụng tài sản
ROE Lợi nhuận trên vốn CSH $\text{Lợi nhuận sau thuế} / \text{Vốn CSH bình quân}$ Biến phụ thuộc Thước đo hiệu quả sinh lời cho cổ đông
SIZE Quy mô ngân hàng $\ln(\text{Tổng tài sản})$ $(+)$ Lý thuyết kinh tế theo quy mô (Economies of scale)
LOAN Tỷ lệ cho vay $\text{Dư nợ cho vay khách hàng} / \text{Tổng tài sản}$ $(+)$ Hoạt động cốt lõi tạo thu nhập lãi thuần
CAP Tỷ lệ an toàn vốn CSH $\text{Vốn chủ sở hữu} / \text{Tổng tài sản}$ $(+)$ Đệm tài chính chống đỡ rủi ro, giảm chi phí vốn
NPL Tỷ lệ nợ xấu $\text{Nợ nhóm 3, 4, 5} / \text{Tổng dư nợ tín dụng}$ $(-)$ Rủi ro tín dụng làm tăng chi phí trích lập dự phòng
LIQ Tính thanh khoản $\text{Tiền và tương đương tiền} / \text{Tổng tài sản}$ $(-)$ Đánh đổi giữa tính thanh khoản và khả năng sinh lời
NII Thu nhập ngoài lãi $\text{Thu nhập phi lãi} / \text{Tổng thu nhập hoạt động}$ $(+)$ / $(-)$ Chiến lược đa dạng hóa doanh thu dịch vụ
GDP Tăng trưởng kinh tế Tốc độ tăng trưởng GDP thực tế hàng năm (%) $(+)$ Môi trường kinh doanh thuận lợi thúc đẩy tín dụng
INF Tỷ lệ lạm phát Chỉ số giá tiêu dùng CPI bình quân năm (%) $(+)$ / $(-)$ Tác động qua kênh lãi suất danh nghĩa

Methodology

Nghiên cứu kết hợp phương pháp nghiên cứu định tính (tổng quan cơ sở lý thuyết tài chính - ngân hàng, tổng hợp tài liệu trong và ngoài nước) và phương pháp nghiên cứu định lượng thực nghiệm (Empirical Quantitative Method).

Công cụ công nghệ sử dụng:

  • Phần mềm xử lý kinh tế lượng: Stata 16.0 (Special Edition/Standard).
  • Phần mềm bảng tính & tiền xử lý dữ liệu: Microsoft Excel 365.
  • Nguồn dữ liệu: Báo cáo tài chính kiểm toán độc lập của 20 NHTM (Vietcombank, VietinBank, BIDV, Techcombank, MBBank, ACB, VPBank, Sacombank, VIB, TPBank, SHB, HDBank, LienVietPostBank, SeABank, OCB, Eximbank, MSB, BacABank, Kienlongbank, Saigonbank), cơ sở dữ liệu vĩ mô GSO và IMF IFS.

Quy trình kiểm soát chất lượng dữ liệu được thực hiện qua các mốc thời gian chặt chẽ:

  • Giai đoạn 1 (Tuần 1–3): Thu thập, chuẩn hóa cấu trúc dữ liệu theo định dạng bảng long format, kiểm tra tính toàn vẹn (missing values) và xử lý ngoại lai (outliers).
  • Giai đoạn 2 (Tuần 4–6): Thống kê mô tả, phân tích ma trận tương quan Pearson, chạy kiểm định đa cộng tuyến VIF.
  • Giai đoạn 3 (Tuần 7–9): Hồi quy Pooled OLS, FEM, REM; thực hiện các kiểm định lựa chọn mô hình ($F$-test, Breusch-Pagan LM test, Hausman test).
  • Giai đoạn 4 (Tuần 10–12): Kiểm định chẩn đoán khuyết tật (phương sai thay đổi, tự tương quan); thực thi mô hình FGLS hiệu chỉnh toàn diện; phân tích thảo luận kết quả và hoàn thiện đề tài.

Implementation và kết quả

Development process & Econometric pipeline

Toàn bộ quy trình ước lượng và kiểm định được tự động hóa thông qua kịch bản lệnh Stata Script (Do-file) chuẩn mực:

* Thiết lập dữ liệu bảng
clear all
import excel "bank_data_2011_2021.xlsx", sheet("Data") firstrow
xtset bank_id year

* 1. Thống kê mô tả và ma trận hệ số tương quan
summarize ROA ROE SIZE LOAN CAP NPL LIQ NII GDP INF
pwcorr ROA ROE SIZE LOAN CAP NPL LIQ NII GDP INF, sig star(0.05)

* 2. Kiểm tra hiện tượng đa cộng tuyến bằng hệ số phóng đại phương sai (VIF)
regress ROA SIZE LOAN CAP NPL LIQ NII GDP INF
vif

* 3. Ước lượng các mô hình cơ sở cho ROA
regress ROA SIZE LOAN CAP NPL LIQ NII GDP INF                       // Pooled OLS
estimates store pooled_ols

xtreg ROA SIZE LOAN CAP NPL LIQ NII GDP INF, fe                     // Fixed Effects Model (FEM)
estimates store fem

xtreg ROA SIZE LOAN CAP NPL LIQ NII GDP INF, re                     // Random Effects Model (REM)
estimates store rem

* 4. Kiểm định lựa chọn mô hình
* F-test (tích hợp trong FEM output): So sánh Pooled OLS vs FEM
hausman fem rem                                                     // Hausman test: So sánh FEM vs REM

* 5. Kiểm định khuyết tật mô hình trên mô hình FEM đã chọn
xttest3                                                             // Modified Wald test cho Heteroskedasticity
xtserial ROA SIZE LOAN CAP NPL LIQ NII GDP INF                      // Wooldridge test cho Autocorrelation

* 6. Khắc phục khuyết tật bằng Feasible Generalized Least Squares (FGLS)
xtgls ROA SIZE LOAN CAP NPL LIQ NII GDP INF, panels(hetero) corr(ar1)
estimates store fgls_roa

xtgls ROE SIZE LOAN CAP NPL LIQ NII GDP INF, panels(hetero) corr(ar1)
estimates store fgls_roe

Testing và validation

Kết quả thống kê mô tả 220 quan sát phản ánh bức tranh toàn cảnh ngành ngân hàng:

  • ROA: Trung bình đạt $1,02%$ ($SD = 0,83%$), giá trị cao nhất đạt $3,65%$ (Techcombank, năm 2021) và thấp nhất đạt $-5,46%$ (TPBank, năm 2011).
  • ROE: Trung bình đạt $11,90%$ ($SD = 8,70%$), cao nhất đạt $30,33%$ (VIB, năm 2021) và thấp nhất đạt $-56,33%$ (TPBank, năm 2011).
  • Quy mô (SIZE): Trung bình đạt $18,78$ ($SD = 1,19$), cao nhất là $21,29$ (BIDV, năm 2021) và nhỏ nhất là $16,03$ (Saigonbank, năm 2011).
  • Tỷ lệ cho vay (LOAN): Trung bình $59,17%$ ($SD = 11,53%$).
  • Vốn chủ sở hữu (CAP): Trung bình $9,14%$ ($SD = 3,75%$), dao động từ $4,06%$ (BIDV, 2017) đến $23,95%$ (Saigonbank, 2013).
  • Tỷ lệ nợ xấu (NPL): Trung bình $2,12%$ ($SD = 1,25%$), cao nhất lên tới $8,81%$ (SHB, năm 2012) và thấp nhất là $0,47%$ (Techcombank, năm 2020).
  • Tính thanh khoản (LIQ): Trung bình $17,78%$ ($SD = 7,42%$).
  • Thu nhập ngoài lãi (NII): Trung bình $0,76%$ ($SD = 0,45%$).
  • Vĩ mô: Tăng trưởng GDP bình quân $5,65%$; Tỷ lệ lạm phát INF bình quân $5,34%$.
                              PHÂN BỐ CÁC CHỈ TIÊU TÀI CHÍNH CHÍNH (N = 220)

Kiểm định chẩn đoán hệ thống (Diagnostic Tests):

  1. Kiểm tra đa cộng tuyến: Ma trận tương quan giữa các cặp biến độc lập có giá trị cao nhất là $r = 0,4904 < 0,8$. Kiểm định hệ số phóng đại phương sai cho thấy VIF trung bình đạt 1,79, trong đó biến cao nhất chỉ đạt 2,51 và thấp nhất là 1,11 ($VIF < 10$). Do đó, mô hình hoàn toàn không xảy ra hiện tượng đa cộng tuyến nghiêm trọng.
  2. Kiểm định F-test (Pooled OLS vs FEM): Giá trị $Prob > F = 0,0000 < 0,05$, bác bỏ giả thuyết $H_0$, xác nhận mô hình FEM vượt trội hơn Pooled OLS nhờ kiểm soát được đặc trưng riêng không đổi của từng ngân hàng.
  3. Kiểm định Hausman (FEM vs REM): Giá trị $Prob > \chi^2 = 0,0012 < 0,05$, bác bỏ giả thuyết $H_0$ (phần dư không tương quan với biến giải thích), xác nhận mô hình FEM là mô hình phù hợp nhất.
  4. Kiểm định khuyết tật trên FEM:
    • Kiểm định phương sai sai số thay đổi (Modified Wald Test): $Prob > \chi^2 = 0,0000 < 0,05 \implies$ Tồn tại hiện tượng phương sai thay đổi giữa các ngân hàng.
    • Kiểm định tự tương quan (Wooldridge Test): $Prob > F = 0,0084 < 0,05 \implies$ Tồn tại hiện tượng tự tương quan bậc nhất $AR(1)$ qua các năm.
  5. Giải pháp FGLS: Áp dụng phương pháp ước lượng bình phương bé nhất tổng quát khả thi (FGLS) với tùy chọn panels(hetero) corr(ar1) giúp loại bỏ hoàn toàn sai số chệch, đảm bảo các ước lượng hệ số đạt tính chất vững và hiệu quả cao nhất (BLUE).

Kết quả đạt được

Bảng tổng hợp kết quả hồi quy mô hình FGLS tối ưu cho ROA và ROE:

Biến độc lập Mô hình ROA (FGLS) Mô hình ROE (FGLS) Mức ý nghĩa Chiều tác động Kết luận giả thuyết
Hằng số (Const) -0,0512** -0,5281*** $p < 0,01$ - -
SIZE +0,0028*** +0,0294*** $p < 0,01$ Cùng chiều $(+)$ Chấp nhận $H_1$ (Kinh tế theo quy mô)
LOAN +0,0011 +0,0142 Không có ý nghĩa - Không đủ bằng chứng thống kê $H_2$
CAP +0,0385*** +0,2614*** $p < 0,01$ Cùng chiều $(+)$ Chấp nhận $H_3$ (An toàn vốn gia tăng hiệu quả)
NPL -0,0941*** -1,1842*** $p < 0,01$ Ngược chiều $(-)$ Chấp nhận $H_4$ (Nợ xấu bào mòn lợi nhuận)
LIQ +0,0086** +0,0721** $p < 0,05$ Cùng chiều $(+)$ Ngược kỳ vọng ban đầu, thanh khoản cao củng cố niềm tin
NII +0,3142*** +2,8450*** $p < 0,01$ Cùng chiều $(+)$ Ngược kỳ vọng ban đầu, đa dạng hóa thu nhập mang lại biên lợi nhuận cao
GDP +0,0032 +0,0281 Không có ý nghĩa - Không tìm thấy tác động thống kê $H_7$
INF +0,0164*** +0,1432*** $p < 0,01$ Cùng chiều $(+)$ Chấp nhận $H_8$ (Lãi suất danh nghĩa điều chỉnh nhanh)
Số quan sát ($N \times T$) 220 220 - - 20 ngân hàng $\times$ 11 năm
Wald $\chi^2$ 384,12*** 412,85*** $p = 0,0000$ - Mô hình có độ phù hợp tổng thể rất cao

Ghi chú: ***, ** tương ứng với mức ý nghĩa thống kê 1% và 5%.

Đổi mới và đóng góp

Nghiên cứu tạo ra những đóng góp rõ rệt về cả phương pháp luận kinh tế lượng và hàm ý thực tiễn cho ngành ngân hàng:

                            SO SÁNH ĐÓNG GÓP HỌC THUẬT
  1. Phương pháp xử lý khuyết tật dữ liệu: Khắc phục được 100% hiện tượng phương sai thay đổi theo không gian và tự tương quan theo thời gian thông qua mô hình FGLS, trong khi các nghiên cứu đơn giản trước đây (như Usman Dawood, 2014) chỉ dừng lại ở Pooled OLS gây chệch sai số chuẩn.
  2. Làm rõ tác động của thu nhập ngoài lãi (NII): Khác với nhận định của một số nghiên cứu quốc tế cho rằng NII làm tăng tính bất ổn định của lợi nhuận (DeYoung & Roland, 2001), kết quả tại Việt Nam chứng minh NII tác động dương mạnh mẽ nhất đến cả ROA ($\beta = +0,3142$) và ROE ($\beta = +2,8450$). Điều này khẳng định bước chuyển dịch mô hình kinh doanh từ thuần tín dụng sang cung ứng dịch vụ số, thanh toán và bảo hiểm (bancassurance) là hoàn toàn đúng đắn.
  3. Chứng minh vai trò của đệm vốn chủ sở hữu (CAP): Tỷ lệ vốn chủ sở hữu trên tổng tài sản tác động cùng chiều có ý nghĩa thống kê ở mức $1%$ đến ROA ($\beta = +0,0385$) và ROE ($\beta = +0,2614$), bác bỏ giả định rằng vốn CSH cao làm giảm tỷ suất sinh lời trên vốn do pha loãng đòn bẩy.

Ứng dụng thực tế và triển khai

Kết quả định lượng từ khóa luận cung cấp cơ sở khoa học để xây dựng chiến lược kinh doanh cho các NHTM và cơ quan quản lý:

                  LỘ TRÌNH TRIỂN KHAI HÀM Ý QUẢN TRỊ 4 GIAI ĐOẠN

Các kịch bản ứng dụng thực tế:

  • Kịch bản 1 - Tối ưu hóa cấu trúc thu nhập (Đa dạng hóa NII): Khi tăng tỷ trọng thu nhập ngoài lãi thêm 1%, lợi nhuận trên tổng tài sản ROA dự kiến tăng thêm 0,3142 điểm phần trăm. Ngân hàng cần tập trung phát triển các gói sản phẩm ngân hàng số (Digital Banking), dịch vụ quản lý tài sản (Wealth Management), tài trợ thương mại và thu phí giao dịch tự động nhằm giảm tải áp lực phụ thuộc vào trần tăng trưởng tín dụng (credit room).
  • Kịch bản 2 - Kiểm soát tổn thất từ nợ xấu (NPL): Hệ số hồi quy âm rất lớn của NPL ($\beta = -0,0941$ đối với ROA và $\beta = -1,1842$ đối với ROE) là cảnh báo đỏ cho công tác quản trị rủi ro tín dụng. Giảm tỷ lệ nợ xấu từ mức trung bình $2,12%$ xuống dưới $1,5%$ sẽ trực tiếp giải phóng hàng ngàn tỷ đồng chi phí trích lập dự phòng rủi ro tín dụng, chuyển hóa ngay vào lợi nhuận ròng trước thuế.
  • Kịch bản 3 - Tăng cường đệm vốn (CAP) theo chuẩn Basel II/III: Duy trì tỷ số an toàn vốn cao không chỉ giúp ngân hàng đáp ứng quy định của NHNN mà còn tạo niềm tin đối với thị trường liên ngân hàng, giúp hạ thấp chi phí huy động vốn đầu vào (Cost of Funds), từ đó gia tăng biên lãi ròng.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật và dữ liệu

  • Quy mô mẫu nghiên cứu: Mẫu gồm 20 NHTM cổ phần đại diện cho phần lớn thị phần nhưng chưa bao phủ toàn bộ 100% các ngân hàng thương mại đang hoạt động tại Việt Nam (ngân hàng 100% vốn nước ngoài, ngân hàng liên doanh, ngân hàng chính sách).
  • Tính nội sinh của mô hình tĩnh: Mặc dù FGLS xử lý tốt phương sai thay đổi và tự tương quan, mô hình tĩnh chưa kiểm soát được tính nội sinh sinh ra từ biến trễ của lợi nhuận ($ROA_{t-1}, ROE_{t-1}$) và tính đồng thời (simultaneity).
  • Biến số vĩ mô: Chưa đưa vào mô hình các yếu tố đặc thù như cung tiền M2, lãi suất điều hành tái cấp vốn/tái chiết khấu và các biến số cú sốc kinh tế bất ngờ (dummy biến cố dịch bệnh Covid-19).

Hướng phát triển đề tài

  1. Ứng dụng phương pháp hồi quy dữ liệu bảng động (Dynamic Panel System GMM): Sử dụng ước lượng Arellano-Bover/Blundell-Bond hai bước (Two-step System GMM) với ma trận biến công cụ hiệu chỉnh sai số mẫu nhỏ Windmeijer để kiểm soát hoàn toàn hiện tượng nội sinh.
  2. Tích hợp mô hình Machine Learning: Áp dụng các thuật toán học máy như XGBoost, Random Forest và Shapley Additive Explanations (SHAP) để phân tích tầm quan trọng phi tuyến (non-linear feature importance) của các chỉ số tài chính đối với rủi ro vỡ nợ và biên lợi nhuận ngân hàng.
  3. Mở rộng chuỗi thời gian hậu khủng hoảng: Cập nhật dữ liệu giai đoạn 2022–2025 nhằm đánh giá toàn diện chu kỳ tăng lãi suất của Cục Dự trữ Liên bang Mỹ (Fed) và sự phục hồi kinh tế Việt Nam sau đại dịch.

Đối tượng hưởng lợi

  • Sinh viên và Học viên Cao học ngành Tài chính - Ngân hàng: Tiếp cận tài liệu tham khảo chuẩn mực về phương pháp nghiên cứu định lượng, nắm vững quy trình xử lý dữ liệu bảng từ OLS $\to$ FEM/REM $\to$ FGLS trên Stata 16.0.
  • Chuyên viên Phân tích Dữ liệu / Định lượng (Quantitative Financial Analysts): Sở hữu kịch bản Do-file và bộ kiểm định chẩn đoán kinh tế lượng hoàn chỉnh để áp dụng ngay vào việc xây dựng mô hình chấm điểm tín dụng và phân tích hiệu quả kinh doanh ngân hàng.
  • Ban điều hành và Nhà quản trị NHTM: Có căn cứ định lượng rõ ràng để phân bổ nguồn lực: ưu tiên đầu tư ngân hàng số để mở rộng nguồn thu phí (NII), siết chặt khẩu vị rủi ro để kiềm chế nợ xấu (NPL) và tối ưu hóa quy mô vốn (CAP).
  • Nhà nghiên cứu và Giảng viên: Khung phân tích mở có thể kế thừa để phát triển các công trình khoa học công bố trên các tạp chí chuyên ngành kinh tế - tài chính.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật và môi trường phần mềm để tái lập mô hình nghiên cứu này là gì?

Để tái lập toàn bộ quy trình nghiên cứu, bạn cần chuẩn bị máy tính chạy hệ điều hành Windows 10/11 hoặc macOS/Linux, cài đặt phần mềm Stata phiên bản 15.0 trở lên (khuyến nghị Stata 16.0 hoặc Stata 17 MP/SE), cùng công cụ Microsoft Excel để chuẩn hóa dữ liệu bảng. Cần cài đặt bổ sung hai gói lệnh Stata từ SSC là xttest3 (kiểm định Modified Wald) và xtserial (kiểm định Wooldridge) thông qua câu lệnh:

ssc install xttest3
net install xtserial, from(http://www.stata.com/users/vwiggins)

2. Tại sao mô hình FEM lại được ưu tiên hơn Pooled OLS và REM trước khi thực hiện FGLS?

Mỗi ngân hàng có văn hóa doanh nghiệp, công nghệ quản trị và uy tín thương hiệu riêng biệt (được đại diện bởi $u_i$). Mô hình Pooled OLS gộp chung tất cả các ngân hàng nên bỏ qua tính cá thể này, dẫn đến sai lệch hệ số ước lượng. Kiểm định $F$-test cho giá trị $p < 0,05$ xác nhận sự tồn tại của hiệu ứng riêng, loại bỏ Pooled OLS. Tiếp đó, kiểm định Hausman cho giá trị $p = 0,0012 < 0,05$, chỉ ra rằng sai số đặc trưng $u_i$ có tương quan với các biến độc lập, vi phạm giả định của REM. Do đó, FEM là mô hình cơ sở nhất quán về mặt lý thuyết.

3. Phương pháp FGLS giải quyết vấn đề phương sai sai số thay đổi và tự tương quan như thế nào?

Mô hình FEM cơ bản giả định phương sai sai số không đổi $\sigma^2$ và không có sự phụ thuộc thời gian giữa các phần dư. Khi kiểm định xttest3 và xtserial phát hiện vi phạm, ước lượng OLS/FEM không còn là ước lượng hiệu quả nhất (Best Linear Unbiased Estimator - BLUE). Phương pháp FGLS (xtgls) ước lượng ma trận hiệp phương sai tổng quát $\mathbf{\Omega}$ chứa các phần tử phương sai riêng từng ngân hàng trên đường chéo chính và hệ số tự tương quan $AR(1)$ trên các đường chéo phụ, sau đó biến đổi dữ liệu theo phép nhân $\mathbf{\Omega}^{-1/2}$, giúp triệt tiêu hoàn toàn sai số chệch.

4. Tại sao tỷ lệ cho vay (LOAN) và tăng trưởng kinh tế (GDP) lại không có ý nghĩa thống kê trong mô hình FGLS?

Trong giai đoạn 2011–2021, hoạt động cấp tín dụng của các NHTM Việt Nam bị kiểm soát chặt chẽ bởi hạn mức tăng trưởng tín dụng (room tín dụng) do Ngân hàng Nhà nước giao hàng năm. Do đó, việc mở rộng dư nợ cho vay không phản ánh hoàn toàn năng lực sinh lời tự thân nếu ngân hàng phải đối mặt với áp lực chi phí huy động tăng cao hoặc rủi ro nợ xấu phát sinh. Đối với GDP, sự tác động vĩ mô thường có độ trễ lớn và bị triệt tiêu bởi các chính sách điều tiết tiền tệ can thiệp trong ngắn hạn của NHNN.

5. Chi phí triển khai và thời gian hoàn vốn (ROI) khi ứng dụng các khuyến nghị từ nghiên cứu vào thực tiễn ngân hàng?

Đối với một NHTM quy mô trung bình, chi phí đầu tư nâng cấp hệ thống phần mềm quản trị rủi ro tín dụng và phát triển nền tảng thu phí dịch vụ số dao động từ 15–30 tỷ VND. Với việc kiểm soát giảm tỷ lệ nợ xấu $0,5%$ và gia tăng thu nhập ngoài lãi $10%$, ngân hàng có thể tiết kiệm chi phí dự phòng và gia tăng lợi nhuận ròng hàng năm từ 80–150 tỷ VND, mang lại thời gian thu hồi vốn đầu tư (ROI) ấn tượng chỉ trong vòng 6–12 tháng.

Kết luận

Khóa luận tốt nghiệp của tác giả Nguyễn Thị Cẩm Tú đã hoàn thành xuất sắc mục tiêu nghiên cứu thông qua việc xây dựng một quy trình phân tích kinh tế lượng định lượng chuẩn mực và toàn diện. Bằng việc ứng dụng mô hình Feasible Generalized Least Squares (FGLS) trên bộ dữ liệu bảng gồm 20 NHTM Việt Nam trong giai đoạn 11 năm (2011–2021), nghiên cứu đã loại bỏ triệt để các khuyết tật phương sai sai số thay đổi và tự tương quan, cung cấp những bằng chứng thực nghiệm tin cậy cao:

  1. Về mặt kỹ thuật và học thuật: Khẳng định quy mô ngân hàng ($SIZE$), tỷ lệ an toàn vốn chủ sở hữu ($CAP$), tính thanh khoản ($LIQ$), thu nhập ngoài lãi ($NII$) và tỷ lệ lạm phát ($INF$) có mối tương quan dương có ý nghĩa thống kê với tỷ suất sinh lời ROA và ROE. Ngược lại, tỷ lệ nợ xấu ($NPL$) là nhân tố gây xói mòn lợi nhuận nghiêm trọng nhất.
  2. Về mặt giá trị ứng dụng kinh doanh: Cung cấp bức tranh thực tế chứng minh chiến lược chuyển dịch số hóa, tăng cường thu nhập dịch vụ phi tín dụng kết hợp củng cố đệm vốn an toàn là con đường bền vững giúp các NHTM Việt Nam đứng vững trước mọi biến động chu kỳ kinh tế.

Đề tài là nguồn tư liệu học thuật giá trị cao cho sinh viên, học viên, đồng thời là cẩm nang quản trị sắc bén cho các nhà hoạch định chiến lược tại các định chế tài chính trong kỷ nguyên số.