Bối cảnh và vấn đề nghiên cứu

Hệ thống ngân hàng thương mại (NHTM) giữ vai trò huyết mạch trong nền kinh tế Việt Nam nhờ chức năng trung gian tài chính, huy động các nguồn tiền nhàn rỗi trong xã hội để cung cấp vốn tín dụng cho các cá nhân và doanh nghiệp. Hoạt động tín dụng mang lại nguồn thu nhập chủ yếu cho các ngân hàng thông qua lãi suất và phí dịch vụ, đồng thời tạo động lực thúc đẩy sản xuất kinh doanh và tăng trưởng kinh tế. Tuy nhiên, hoạt động này luôn tiềm ẩn rủi ro tín dụng (RRTD) – loại rủi ro phát sinh khi khách hàng vay không thực hiện hoặc không có khả năng thực hiện nghĩa vụ trả nợ theo thỏa thuận. Theo Annaert và cộng sự (2013), tỷ lệ vốn tín dụng chiếm tới 47% tổng vốn đầu tư trên thị trường của các ngân hàng; do đó, các tổn thất phát sinh từ nợ xấu có thể làm suy giảm nghiêm trọng nguồn thu, đe dọa sự an toàn của từng ngân hàng cũng như sự ổn định của toàn hệ thống tài chính.

Trong bối cảnh nền kinh tế Việt Nam chịu tác động kéo dài từ áp lực lạm phát sau giai đoạn 2011, sự phát triển của cuộc Cách mạng Công nghiệp 4.0 và đặc biệt là các cú sốc kinh tế từ đại dịch COVID-19 từ năm 2019 trở đi, hoạt động thu hồi nợ của các NHTM gặp nhiều trở ngại, khiến tỷ lệ nợ xấu có xu hướng diễn biến phức tạp. Nhằm nhận diện rõ các nhân tố thúc đẩy hoặc kìm hãm rủi ro này, tác giả Vũ Huyền Diệu Thảo đã thực hiện khóa luận tốt nghiệp: "Các nhân tố ảnh hưởng đến rủi ro tín dụng của các ngân hàng thương mại tại Việt Nam" dưới sự hướng dẫn khoa học của PGS. Lê Đình Hạc tại Trường Đại học Ngân hàng TP. Hồ Chí Minh (2024).

Mục tiêu nghiên cứu

  1. Mục tiêu tổng quát: Xác định và đánh giá các nhân tố tài chính nội tại của ngân hàng và nhân tố kinh tế vĩ mô tác động đến rủi ro tín dụng (đại diện bằng tỷ lệ nợ xấu - NPL) của các NHTM tại Việt Nam; từ đó đề xuất các hàm ý chính sách và khuyến nghị quản lý nhằm nâng cao mức độ an toàn cho hệ thống.
  2. Mục tiêu cụ thể:
    • Thứ nhất: Xác định và nhận diện các nhân tố tác động đến rủi ro trong hoạt động tín dụng của các NHTM Việt Nam.
    • Thứ hai: Đánh giá mối liên hệ và mức độ tác động của từng nhân tố đến rủi ro tín dụng, cung cấp bức tranh toàn diện về các nguy cơ rủi ro.
    • Thứ ba: Đề xuất các giải pháp và khuyến nghị cụ thể đối với Chính phủ, các cơ quan quản lý (Ngân hàng Nhà nước) và các NHTM nhằm nâng cao hiệu quả phòng ngừa rủi ro tín dụng.

Câu hỏi nghiên cứu

  1. Các nhân tố nào ảnh hưởng đến rủi ro tín dụng của các NHTM tại Việt Nam?
  2. Các nhân tố này ảnh hưởng đến rủi ro tín dụng của các NHTM tại Việt Nam như thế nào và mức độ tác động ra sao?
  3. Những hàm ý chính sách nào cần được đưa ra nhằm nâng cao mức độ an toàn và ổn định hoạt động tín dụng của hệ thống các NHTM tại Việt Nam?

Đối tượng và phạm vi nghiên cứu

  • Đối tượng nghiên cứu: Các nhân tố bên trong (đặc thù ngân hàng) và nhân tố bên ngoài (kinh tế vĩ mô) ảnh hưởng đến rủi ro tín dụng của các NHTM.
  • Phạm vi không gian: Nghiên cứu thu thập dữ liệu tại 25 ngân hàng thương mại cổ phần đang hoạt động trên tổng số 31 NHTM tại Việt Nam (bao gồm: ABB, ACB, BAB, BaovietBank, BVB, CTG, EIB, HDB, KLB, LPB, MBB, MSB, NAB, NVB, PGB, SGB, SHB, SSB, STB, TCB, TPB, VAB, VCB, VIB, VPB).
  • Phạm vi thời gian: Giai đoạn 10 năm liên tục, từ năm 2014 đến năm 2023.

Cơ sở lý thuyết và phương pháp

Khung lý thuyết và khái niệm

Khóa luận tổng hợp các cơ sở lý thuyết nền tảng về rủi ro tín dụng trong hoạt động ngân hàng:

  • Khái niệm rủi ro tín dụng: Tiếp cận theo Baesens & Gestel (2009), Singh (2013), Saeed & Zahid (2016) và khoản 8 Điều 3 Thông tư 14/2023/TT-NHNN. RRTD được định nghĩa là tổn thất tài chính tiềm ẩn phát sinh khi người đi vay hoặc đối tác không thực hiện đúng các nghĩa vụ trả nợ gốc và lãi theo cam kết trong hợp đồng tín dụng.
  • Phân loại rủi ro tín dụng:
    • Theo danh mục (Portfolio risk): Bao gồm rủi ro nội tại (Intrinsic risk - phát sinh từ đặc thù bên vay hoặc ngành nghề kinh doanh) và rủi ro tập trung (Concentration risk - phát sinh khi dư nợ tín dụng tập trung quá mức vào một nhóm khách hàng, ngành nghề hoặc khu vực địa lý).
    • Theo giao dịch (Transaction risk): Bao gồm rủi ro thẩm định/phân tích tín dụng, rủi ro bảo đảm (liên quan đến tài sản thế chấp và tiêu chuẩn cấp tín dụng) và rủi ro nghiệp vụ trong quy trình quản trị, giải ngân, giám sát sau cho vay.
  • Đo lường rủi ro tín dụng: Tác giả sử dụng chỉ số Tỷ lệ nợ xấu ($NPL$) làm biến phụ thuộc, xác định theo chuẩn mực Basel II và quy định tại Điều 10 Thông tư 11/2021/TT-NHNN:

$$\text{Tỷ lệ nợ xấu (NPL)} = \frac{\text{Tổng nợ nhóm 3, 4, 5}}{\text{Tổng dư nợ}} \times 100%$$

Trong đó, nợ nhóm 3 (nợ dưới tiêu chuẩn), nhóm 4 (nợ nghi ngờ) và nhóm 5 (nợ có khả năng mất vốn) là các khoản nợ quá hạn từ 90 ngày trở lên.

Mô hình kinh tế lượng và hệ thống biến số

Mô hình hồi quy dữ liệu bảng được thiết lập như sau:

$$NPL_{i,t} = \beta_0 + \beta_1 SIZE_{i,t} + \beta_2 ROA_{i,t} + \beta_3 ROE_{i,t} + \beta_4 CGR_{i,t} + \beta_5 CAR_{i,t} + \beta_6 GDP_{i,t} + \beta_7 INF_{i,t} + \varepsilon_{i,t}$$

Ký hiệu biến Tên biến số Cách đo lường / Công thức Kỳ vọng tác động
$NPL$ Tỷ lệ nợ xấu (Biến phụ thuộc) $\frac{\text{Tổng nợ nhóm 3, 4, 5}}{\text{Tổng dư nợ}} \times 100%$ N/A
$SIZE$ Quy mô ngân hàng $\text{Log}(\text{Tổng tài sản})$ Âm ($-$)
$ROA$ Tỷ số lợi nhuận ròng trên tài sản $\frac{\text{Lợi nhuận ròng}}{\text{Tổng tài sản}}$ Âm ($-$)
$ROE$ Tỷ số lợi nhuận trên vốn chủ sở hữu $\frac{\text{Lợi nhuận sau thuế}}{\text{Vốn chủ sở hữu}}$ Dương ($+$)
$CGR$ Tỷ lệ tăng trưởng tín dụng $\frac{\text{Dư nợ tín dụng}t - \text{Dư nợ tín dụng}{t-1}}{\text{Dư nợ tín dụng}_t}$ Âm ($-$)
$CAR$ Tỷ lệ an toàn vốn $\frac{\text{Vốn tự có}}{\text{Tổng tài sản có rủi ro}}$ Âm ($-$) / Dương ($+$)
$GDP$ Tốc độ tăng trưởng kinh tế $\frac{GDP_t - GDP_{t-1}}{GDP_{t-1}}$ Dương ($+$)
$INF$ Tỷ lệ lạm phát $\frac{P_t - P_{t-1}}{P_{t-1}}$ Dương ($+$)

Phương pháp nghiên cứu và quy trình ước lượng

Khóa luận phối hợp phương pháp định tính và định lượng trên phần mềm thống kê Stata 17.0 theo quy trình 7 bước:

  1. Thu thập dữ liệu thứ cấp: Trích xuất từ Báo cáo tài chính kiểm toán (BCTC), Báo cáo thường niên (BCHN), Bảng cân đối kế toán (BCĐKT) và Báo cáo kết quả hoạt động kinh doanh (KQHĐKD) của 25 NHTM giai đoạn 2014–2023.
  2. Thống kê mô tả: Phân tích giá trị trung bình, độ lệch chuẩn, giá trị nhỏ nhất và lớn nhất của các biến số.
  3. Phân tích tương quan & kiểm định đa cộng tuyến: Sử dụng ma trận hệ số tương quan Pearson và hệ số phóng đại phương sai ($VIF$).
  4. Ước lượng các mô hình cơ bản: Hồi quy OLS gộp (Pooled OLS), Mô hình tác động cố định (Fixed Effects Model - FEM) và Mô hình tác động ngẫu nhiên (Random Effects Model - REM).
  5. Kiểm định lựa chọn mô hình tối ưu: Sử dụng kiểm định $F$-test (chọn giữa OLS và FEM), kiểm định Breusch-Pagan Lagrangian Multiplier (chọn giữa OLS và REM), và kiểm định Hausman (chọn giữa FEM và REM).
  6. Kiểm định và khắc phục khuyết tật: Thực hiện kiểm định Wald phát hiện phương sai sai số thay đổi, kiểm định Wooldridge phát hiện hiện tượng tự tương quan, và kiểm định nội sinh. Tác giả sử dụng phương pháp bình phương tối thiểu tổng quát khả thi (Feasible Generalized Least Squares - FGLS) để xử lý triệt để hiện tượng phương sai thay đổi và tự tương quan của dữ liệu bảng.
  7. Tổng hợp kết quả và đề xuất giải pháp: Đánh giá giả thuyết khoa học và đưa ra hàm ý chính sách.

Nội dung chính theo từng chương

Chương 1: Giới thiệu tổng quan về đề tài nghiên cứu

Chương mở đầu làm rõ tính cấp thiết của việc kiểm soát nợ xấu trong hệ thống NHTM Việt Nam dưới bối cảnh biến động kinh tế vĩ mô và hậu quả của dịch bệnh. Tác giả xác lập rõ 1 mục tiêu tổng quát, 3 mục tiêu cụ thể, 3 câu hỏi nghiên cứu, phạm vi khảo sát gồm 25 NHTM trong giai đoạn 2014–2023, đồng thời khái quát cấu trúc 5 chương của khóa luận.

Chương 2: Cơ sở lý thuyết và các nghiên cứu liên quan trước

Chương 2 hệ thống hóa các khái niệm, phân loại danh mục/giao dịch, các nguyên nhân dẫn đến rủi ro tín dụng (từ phía khách hàng vay, từ quy trình quản trị nội bộ của ngân hàng, và từ các cú sốc vĩ mô như lạm phát, tăng trưởng kinh tế, biến động bất động sản, tỷ giá). Chương này tổng hợp chi tiết các công trình nghiên cứu thực nghiệm trong và ngoài nước:

Nhóm nghiên cứu Tác giả và năm Cỡ mẫu & Phương pháp Kết quả chính
Trong nước Võ Thị Quý & Bùi Ngọc Toản (2014) 26 NHTM (2009–2012), OLS & GMM Tỷ lệ dự phòng RRTD trễ bậc 1 tác động dương; tăng trưởng tín dụng và GDP trễ bậc 1 tác động âm đến RRTD.
Vo Minh Long, Nguyen Thi Yen & Pham Dinh Long (2020) 31 NHTM (2008–2017), FEM & REM Nợ xấu quá khứ, cấu trúc vốn tác động dương; $ROA$, lạm phát và tăng trưởng tín dụng tác động âm đến $NPL$.
Phạm Thanh Bình (2023) 26 NHTM (2017–2021), OLS, FEM, REM, FGLS $ROE$, lợi nhuận trước trích lập tác động dương; quy mô ($SIZE$) và tăng trưởng tín dụng tác động âm đến $NPL$.
Phạm Thế Hiển (2020) 28 NHTM (2009–2017), GMM Tăng trưởng kinh tế là yếu tố tác động mạnh nhất đến dự phòng RRTD; sự yếu kém trong quản lý có tác động yếu nhất.
Huỳnh Thị Phi Yến (2017) 26 NHTM (2006–2016), FEM, REM, GLS Quy mô vốn chủ sở hữu và $SIZE$ tác động cùng chiều; tăng trưởng tín dụng, vốn FDI và GDP tác động nghịch chiều đến dự phòng RRTD.
Nước ngoài Mukhtarov và cộng sự (2018) 10 NHTM Azerbaijan (2010–2015), CAMELS Sự sụt giảm của $CAR$, lãi suất và tổng tài sản làm tăng RRTD; thất nghiệp có quan hệ cùng chiều với RRTD.
Marozva & Mutezo (2020) 12 NHTM Nam Phi (2009–2019), OLS, GLS, FE, GMM RRTD có quan hệ tích cực với tỷ lệ thất nghiệp và quan hệ tiêu cực với tính thanh khoản ngân hàng.
Khan và cộng sự (2020) Các NHTM Pakistan (2005–2017), FEM & REM Hiệu quả hoạt động và khả năng sinh lời có mối liên hệ tiêu cực có ý nghĩa thống kê với $NPL$; an toàn vốn ($CAR$) có quan hệ âm nhưng không có ý nghĩa thống kê.
Kharabsheh (2019) Toàn bộ NHTM Jordan (2000–2017), Pooled OLS, FEM, REM $SIZE$ và $ROA$ cao giúp giảm RRTD; tăng trưởng tín dụng và chi phí hoạt động kém làm tăng RRTD.
Mwaurah (2013) Dữ liệu quý NHTM Uganda (2002–2017), ARDL Lãi suất cho vay, tỷ giá và thất nghiệp làm tăng $NPL$; $ROA$ và tăng trưởng GDP làm giảm $NPL$.

Chương 3: Mô hình nghiên cứu và dữ liệu nghiên cứu

Chương 3 trình bày cơ sở thiết kế mô hình thực nghiệm gồm 1 biến phụ thuộc ($NPL$), 5 biến đặc thù ngân hàng ($SIZE, ROA, ROE, CGR, CAR$) và 2 biến kinh tế vĩ mô ($GDP, INF$). Tác giả thiết lập 7 giả thuyết nghiên cứu từ H1 đến H7, đồng thời diễn giải chi tiết kỹ thuật hồi quy OLS gộp, mô hình tác động cố định (FEM), mô hình tác động ngẫu nhiên (REM), các kiểm định lựa chọn mô hình và quy trình kiểm tra khuyết tật phương sai thay đổi, tự tương quan và nội sinh.

Chương 4: Phân tích kết quả nghiên cứu

Chương này thực hiện xử lý tập dữ liệu bảng 250 quan sát từ 25 NHTM giai đoạn 2014–2023. Kết quả thống kê mô tả ghi nhận tỷ lệ $NPL$ trung bình toàn mẫu là $0{,}023$ ($2{,}3%$), giá trị nhỏ nhất là $0{,}0019$ ($0{,}19%$ tại KLB năm 2020) và giá trị lớn nhất là $0{,}4029$ ($40{,}29%$ tại BVB năm 2022). Sau khi kiểm định Hausman chỉ ra mô hình REM phù hợp hơn FEM, các kiểm định chẩn đoán tiếp theo cho thấy mô hình xuất hiện hiện tượng phương sai sai số thay đổi và tự tương quan. Do đó, tác giả sử dụng phương pháp FGLS để ước lượng các hệ số hồi quy cuối cùng.

Chương 5: Kết luận và khuyến nghị

Tổng hợp kết luận thực nghiệm từ mô hình FGLS, đối chiếu với các nghiên cứu trước đó và đề xuất các giải pháp nâng cao hiệu quả kiểm soát nợ xấu tại các NHTM Việt Nam, phân tích các hạn chế của đề tài và định hướng cho các nghiên cứu tiếp theo.

Kết quả và đóng góp

Kết quả định lượng chính

Dựa trên kết quả ước lượng mô hình hồi quy bằng phương pháp FGLS, khóa luận đã lượng hóa mức độ tác động của các nhân tố đến tỷ lệ nợ xấu ($NPL$) của 25 NHTM Việt Nam:

Biến số Tên nhân tố Chiều tác động thực nghiệm Ý nghĩa thống kê Kết luận giả thuyết
$SIZE$ Quy mô ngân hàng Nghịch chiều ($-$) Có ý nghĩa Chấp nhận H1: Ngân hàng có quy mô tài sản lớn hơn có tỷ lệ nợ xấu thấp hơn nhờ quản trị rủi ro tốt và đa dạng hóa danh mục.
$ROA$ Tỷ số lợi nhuận trên tài sản Nghịch chiều ($-$) Có ý nghĩa Chấp nhận H2: Ngân hàng hoạt động hiệu quả, năng lực sinh lời trên tài sản cao thì kiểm soát nợ xấu tốt hơn.
$ROE$ Tỷ số lợi nhuận trên vốn chủ sở hữu Đồng chiều ($+$) Có ý nghĩa Chấp nhận H3: Áp lực gia tăng tỷ suất sinh lời trên vốn có thể khiến ngân hàng theo đuổi các phân khúc tín dụng rủi ro cao hơn, làm tăng nợ xấu.
$CGR$ Tỷ lệ tăng trưởng tín dụng Nghịch chiều ($-$) Có ý nghĩa Chấp nhận H4: Tăng trưởng tín dụng trong ngắn hạn làm mở rộng mẫu số tổng dư nợ, đồng thời phản ánh khả năng cung ứng vốn cho các khách hàng tốt.
$INF$ Tỷ lệ lạm phát Đồng chiều ($+$) Có ý nghĩa Chấp nhận H7: Lạm phát gia tăng làm giảm sức mua, tăng chi phí hoạt động của người đi vay, dẫn đến suy giảm khả năng trả nợ và tăng $NPL$.
$CAR$ Tỷ lệ an toàn vốn Không tìm thấy tác động Không có ý nghĩa Bác bỏ H5: Chưa đủ bằng chứng thực nghiệm về tác động của $CAR$ đến $NPL$ trong mẫu nghiên cứu.
$GDP$ Tốc độ tăng trưởng kinh tế Không tìm thấy tác động Không có ý nghĩa Bác bỏ H6: Tác động của tăng trưởng GDP chưa thể hiện rõ ràng trên dữ liệu nghiên cứu của 25 NHTM.

Đóng góp của đề tài

  1. Cập nhật dữ liệu thực nghiệm: Khóa luận xây dựng bộ dữ liệu bảng 10 năm (2014–2023) bao quát 25/31 NHTM tại Việt Nam, phản ánh được các biến động thực tế của chất lượng tín dụng trong cả giai đoạn trước và sau đại dịch COVID-19.
  2. Áp dụng phương pháp ước lượng chuẩn xác: Tác giả đã thực hiện đầy đủ các bước kiểm định chẩn đoán mô hình dữ liệu bảng, phát hiện khuyết tật phương sai thay đổi và tự tương quan trong mô hình REM, từ đó ứng dụng phương pháp hồi quy FGLS nhằm đảm bảo tính vững và không chệch của các ước lượng.
  3. Đề xuất khuyến nghị thực tiễn: Khóa luận cung cấp các giải pháp quản trị tín dụng dựa trên phát hiện định lượng:
    • Đối với các NHTM: Cần tận dụng lợi thế quy mô ($SIZE$) để nâng cấp hệ thống quản trị rủi ro và công nghệ thẩm định; kiểm soát việc chạy theo chỉ số sinh lời vốn chủ sở hữu ($ROE$) ngắn hạn bằng cách nới lỏng tiêu chuẩn tín dụng; duy trì chất lượng tài sản sinh lời ($ROA$) và mở rộng quy mô tín dụng ($CGR$) gắn liền với kiểm soát chất lượng khách hàng.
    • Đối với Ngân hàng Nhà nước & Chính phủ: Tăng cường kiểm soát lạm phát ($INF$) nhằm giữ ổn định chi phí đi vay cho nền kinh tế; hoàn thiện hành lang pháp lý về phân loại nợ, xử lý nợ xấu và giám sát an toàn vi mô đối với các NHTM cổ phần.

Hạn chế và hướng nghiên cứu tiếp

Hạn chế của nghiên cứu

  • Phạm vi mẫu nghiên cứu: Dữ liệu mới bao phủ 25 ngân hàng trên tổng số 31 NHTM đang hoạt động tại Việt Nam, chưa thể tổng hợp toàn bộ 100% số lượng ngân hàng trong hệ thống.
  • Số lượng biến số: Mô hình mới chỉ tập trung vào 5 biến vi mô nội tại và 2 biến vĩ mô phổ biến ($GDP, INF$), chưa kiểm soát các nhân tố vĩ mô và vi mô quan trọng khác như lãi suất cho vay thực tế, biến động tỷ giá hối đoái, tỷ lệ thất nghiệp, dòng vốn FDI hoặc các biến số đại diện cho chất lượng quản trị nội bộ.
  • Tần suất dữ liệu: Nghiên cứu sử dụng dữ liệu theo năm, chưa khai thác dữ liệu quý hoặc tháng để nắm bắt các biến động ngắn hạn của chu kỳ kinh tế và chính sách tiền tệ.

Hướng nghiên cứu tiếp theo

  • Mở rộng mẫu nghiên cứu cho toàn bộ các tổ chức tín dụng và NHTM đang hoạt động tại Việt Nam.
  • Bổ sung thêm các biến số giải thích như: lãi suất, tỷ giá, tỷ lệ thất nghiệp, chi phí dự phòng rủi ro tín dụng trễ ($LLR_{t-1}$), và các biến giả thể hiện khủng hoảng kinh tế hoặc dịch bệnh.
  • Ứng dụng các kỹ thuật kinh tế lượng động nâng cao như phương pháp hồi quy Men (Difference GMM / System GMM) hoặc mô hình ARDL để xử lý triệt để hơn hiện tượng nội sinh và tính trễ của rủi ro tín dụng.

Giá trị tham khảo

Tài liệu này hữu ích cho sinh viên, học viên cao học, giảng viên chuyên ngành Tài chính – Ngân hàng, Kinh tế học ứng dụng và Quản trị rủi ro tài chính đang thực hiện các đề tài nghiên cứu về rủi ro hoạt động ngân hàng. Các nội dung có giá trị tham khảo chuyên sâu bao gồm:

  1. Khung phương pháp luận kinh tế lượng dữ liệu bảng: Quy trình xử lý từ hồi quy OLS, FEM, REM qua các kiểm định lựa chọn ($F$-test, Breusch-Pagan, Hausman), phát hiện khuyết tật (Wald, Wooldridge) đến ước lượng FGLS.
  2. Hệ thống tổng quan tài liệu: Bảng tổng hợp các nghiên cứu thực nghiệm trong và ngoài nước giai đoạn 2013–2023 với đầy đủ biến số, phương pháp và kết quả đối sánh.
  3. Bộ chỉ số đo lường ngân hàng: Cách thức thu thập, chuẩn hóa và tính toán các chỉ số tài chính ($NPL, SIZE, ROA, ROE, CGR, CAR$) theo đúng quy định hiện hành của Ngân hàng Nhà nước (Thông tư 11/2021/TT-NHNN) và chuẩn mực Basel II.

Câu hỏi thường gặp

1. Khóa luận sử dụng biến số nào làm đại diện cho rủi ro tín dụng và được tính toán theo công thức nào?

Khóa luận sử dụng Tỷ lệ nợ xấu ($NPL$) làm biến phụ thuộc đo lường rủi ro tín dụng. Chỉ số này được tính bằng tỷ lệ phần trăm giữa Tổng nợ nhóm 3, nhóm 4, nhóm 5 (nợ quá hạn từ 90 ngày trở lên theo Thông tư 11/2021/TT-NHNN và chuẩn Basel II) trên Tổng dư nợ tín dụng của ngân hàng tại thời điểm tính toán.

2. Dữ liệu thực nghiệm của đề tài được thu thập từ bao nhiêu ngân hàng và trong giai đoạn nào?

Dữ liệu được thu thập từ Báo cáo tài chính kiểm toán và Báo cáo thường niên của 25 NHTM trên tổng số 31 NHTM tại Việt Nam trong giai đoạn 10 năm liên tục từ 2014 đến 2023, tạo thành bộ dữ liệu bảng cân bằng với tổng số 250 quan sát.

3. Phương pháp hồi quy cuối cùng được tác giả sử dụng để kết luận các nhân tố ảnh hưởng là gì?

Tác giả sử dụng Mô hình bình phương tối thiểu tổng quát khả thi (FGLS - Feasible Generalized Least Squares). Đây là phương pháp được lựa chọn sau khi các kiểm định chẩn đoán trên mô hình tác động ngẫu nhiên (REM) cho thấy sự xuất hiện của hiện tượng phương sai sai số thay đổi và tự tương quan.

4. Những nhân tố nào có tác động có ý nghĩa thống kê đến tỷ lệ nợ xấu ($NPL$) trong nghiên cứu này?

Mô hình FGLS ghi nhận 5 nhân tố có tác động có ý nghĩa thống kê đến $NPL$:

  • Tác động cùng chiều (dương): Tỷ số lợi nhuận trên vốn chủ sở hữu ($ROE$) và Tỷ lệ lạm phát ($INF$).
  • Tác động ngược chiều (âm): Quy mô ngân hàng ($SIZE$), Tỷ số lợi nhuận ròng trên tài sản ($ROA$) và Tỷ lệ tăng trưởng tín dụng ($CGR$).
  • Lưu ý: Tỷ lệ an toàn vốn ($CAR$) và Tốc độ tăng trưởng kinh tế ($GDP$) không tìm thấy mối quan hệ có ý nghĩa thống kê trong nghiên cứu này.

5. Giá trị tỷ lệ nợ xấu nhỏ nhất và lớn nhất ghi nhận trong bộ dữ liệu 2014–2023 thuộc về những ngân hàng nào?

Trong 250 quan sát, tỷ lệ $NPL$ trung bình là $2{,}3%$ ($0{,}023$); giá trị nhỏ nhất ghi nhận được là $0{,}19%$ ($0{,}0019$) thuộc về Ngân hàng TMCP Kiên Long (KLB) năm 2020; giá trị lớn nhất ghi nhận được là $40{,}29%$ ($0{,}4029$) thuộc về Ngân hàng TMCP Bảo Việt (BVB) năm 2022.

Kết luận

Khóa luận tốt nghiệp của tác giả Vũ Huyền Diệu Thảo đã phân tích một cách có hệ thống các nhân tố ảnh hưởng đến rủi ro tín dụng tại 25 NHTM Việt Nam giai đoạn 2014–2023 thông qua mô hình kinh tế lượng dữ liệu bảng FGLS. Kết quả thực nghiệm khẳng định tỷ lệ nợ xấu chịu tác động kìm hãm bởi quy mô ngân hàng, tỷ suất sinh lời trên tài sản và tốc độ tăng trưởng tín dụng, đồng thời bị gia tăng bởi áp lực sinh lời trên vốn chủ sở hữu và tỷ lệ lạm phát vĩ mô. Công trình cung cấp cơ sở dữ liệu thực nghiệm chuẩn mực cùng các hàm ý quản trị thiết thực, giúp các NHTM và cơ quan quản lý nâng cao hiệu quả nhận diện, kiểm soát và giảm thiểu rủi ro tín dụng trong hệ thống ngân hàng Việt Nam.