Giới thiệu dự án

Hệ thống ngân hàng thương mại (NHTM) giữ vai trò huyết mạch trung gian tài chính trong nền kinh tế Việt Nam, nơi kênh dẫn vốn tín dụng chiếm hơn 120% GDP (theo số liệu thống kê từ Ngân hàng Nhà nước và WB). Bối cảnh kinh tế toàn cầu nhiều biến động sau khủng hoảng tài chính, đại dịch Covid-19 và căng thẳng địa chính trị đã đặt ra yêu cầu cấp thiết về việc kiểm soát rủi ro hệ thống và đảm bảo an toàn thanh khoản.

+-----------------------------------------------------------------------------------+
|                           BỐI CẢNH & VẤN ĐỀ NGHIÊN CỨU                             |
+-----------------------------------------------------------------------------------+
|  Tín dụng / GDP > 120%  --->  Tích tụ rủi ro hệ thống  --->  Nguy cơ bất ổn tài chính |
|  Mô hình cũ: OLS/FEM    --->  Khuyết tật tự tương quan --->  Ước lượng chệch & sai   |
|  Giải pháp: FGLS Panel  --->  Xử lý triệt để khuyết tật --->  Dự báo chuẩn xác Z-score|
+-----------------------------------------------------------------------------------+

Vấn đề nghiên cứu cụ thể (Problem Statement)

Các NHTM cổ phần tại Việt Nam đối mặt với bài toán tối ưu hóa tăng trưởng tài sản gắn liền với an toàn vốn. Việc mở rộng quy mô tín dụng ồ ạt nếu không đi kèm năng lực quản trị rủi ro sẽ dẫn đến nợ xấu tăng cao, suy giảm biên lãi ròng (NIM) và bào mòn vốn chủ sở hữu. Các mô hình định lượng truyền thống thường bỏ qua hiện tượng phương sai sai số thay đổi (Heteroskedasticity) và tự tương quan (Autocorrelation) chuỗi thời gian trong dữ liệu bảng, dẫn đến các kết luận sai lệch về sức khỏe tài chính ngân hàng.

Mục tiêu dự án

  1. Xác định và đo lường mức độ ổn định tài chính của 27 NHTM Việt Nam giai đoạn 2012–2021 thông qua chỉ số $\ln(\text{Z-score})$.
  2. Xây dựng và kiểm định mô hình định lượng đánh giá tác động của 7 biến vi mô nội tại (SIZE, ROE, NIM, LLP, LAR, LTD, $\Delta$EAT) và 2 biến vĩ mô (GDP, INF).
  3. Khắc phục toàn diện các khuyết tật mô hình bằng phương pháp bình phương tối thiểu tổng quát khả thi (FGLS - Feasible Generalized Least Squares).
  4. Đề xuất khung khuyến nghị định lượng hỗ trợ các nhà quản trị ngân hàng và cơ quan thanh tra giám sát NHNN.

Hướng tiếp cận và kết quả kỳ vọng

Nghiên cứu tích hợp chỉ số chuẩn hóa Z-score theo trường phái tiếp cận khả năng hấp thụ cú sốc rủi ro phá sản của Boyd & Runkle (1993) và Čihák & Hesse (2010). Kỳ vọng xây dựng một mô hình hồi quy dữ liệu bảng cân bằng (Balanced Panel Data với $N = 27, T = 10, N \times T = 270$ quan sát) đạt mức ý nghĩa thống kê $p < 0.01$, cô lập chính xác hệ số co giãn của từng biến vi mô và vĩ mô.

Phạm vi và giới hạn

  • Không gian: 27 NHTM cổ phần tại Việt Nam có đầy đủ báo cáo tài chính kiểm toán giai đoạn 2012–2021 (loại trừ các ngân hàng bị kiểm soát đặc biệt và ngân hàng 100% vốn nước ngoài do giới hạn minh bạch dữ liệu).
  • Thời gian: Chu kỳ 10 năm hậu tái cơ cấu hệ thống ngân hàng (2012–2021).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

+---------------------------------------------------------------------------------------+
|                 SO SÁNH PHƯƠNG PHÁP ĐO LƯỜNG ỔN ĐỊNH TÀI CHÍNH                         |
+-------------------+-----------------------------------+-------------------------------+
| Phương pháp       | Ưu điểm                           | Nhược điểm                    |
+-------------------+-----------------------------------+-------------------------------+
| Mô hình CAMELS    | Đánh giá đa chiều định tính       | Thiếu tính liên tục số liệu,  |
|                   | và định lượng thanh tra nội bộ    | phụ thuộc đánh giá chủ quan   |
+-------------------+-----------------------------------+-------------------------------+
| Chỉ số Merton DTD | Đo lường rủi ro thị trường theo   | Chỉ áp dụng cho ngân hàng đã  |
| (Distance-Default)| thời gian thực từ giá cổ phiếu    | niêm yết, nhạy cảm đầu cơ     |
+-------------------+-----------------------------------+-------------------------------+
| Phương pháp       | Tính toán trực tiếp từ BCTC,      | Độ trễ theo kỳ kế toán, cần   |
| Ln(Z-score)       | chuẩn hóa rủi ro phá sản tốt      | hiệu chỉnh logarit phân phối  |
+-------------------+-----------------------------------+-------------------------------+

Yêu cầu hệ thống theo mô hình MoSCoW

  • Must have: Bộ chỉ số Z-score chuẩn hóa, kiểm định đa cộng tuyến VIF, kiểm định Hausman, kiểm định Modified Wald và Wooldridge, ước lượng FGLS.
  • Should have: Phân tích ma trận tương quan Pearson, trực quan hóa biến động tổng tài sản toàn hệ thống.
  • Could have: Đánh giá độ nhạy theo quy mô ngân hàng Big4 so với nhóm NHTMCP tư nhân.
  • Won't have: Mô hình hóa rủi ro phi tuyến tính machine learning dạng hộp đen (Black-box ML) nhằm đảm bảo tính minh bạch giải trình kinh tế lượng.

Thiết kế hệ thống xử lý dữ liệu và kinh tế lượng

Ngăn xếp công nghệ định lượng (Tech Stack)

  • Công cụ thống kê chính: Stata 14.2 / Stata MP 17.0 (Module xtreg, xtgls, xttest3, xtserial).
  • Xử lý trích xuất dữ liệu: Python 3.10 với thư viện pandas 2.0.3, numpy 1.24.3, statsmodels 0.14.0.
  • Cơ sở dữ liệu: Báo cáo tài chính đã kiểm toán công bố trên Vietstock, FiinPro và Cổng thông tin Ngân hàng Nhà nước.

Thiết kế mô hình toán học và chỉ số Z-score

Biến phụ thuộc được tính toán bằng logarit tự nhiên của chỉ số Z-score:

$$Z\text{-score}{i,t} = \frac{ROA{i,t} + \left(\frac{E}{A}\right){i,t}}{\sigma(ROA){i,t}}$$

$$\ln(Z\text{-score}{i,t}) = \alpha_0 + \beta_1 SIZE{i,t} + \beta_2 ROE_{i,t} + \beta_3 NIM_{i,t} + \beta_4 LLP_{i,t} + \beta_5 LAR_{i,t} + \beta_6 LTD_{i,t} + \beta_7 \Delta EAT_{i,t} + \beta_8 GDP_t + \beta_9 INF_t + \varepsilon_{i,t}$$

Trong đó:

  • $ROA_{i,t}$: Tỷ suất sinh lời trên tổng tài sản của ngân hàng $i$ năm $t$.
  • $(E/A)_{i,t}$: Tỷ lệ vốn chủ sở hữu trên tổng tài sản.
  • $\sigma(ROA)_{i,t}$: Độ lệch chuẩn tỷ suất sinh lời ROA.
  • Các biến độc lập: Quy mô ngân hàng ($SIZE = \ln(\text{Total Assets})$), Tỷ lệ dự phòng rủi ro tín dụng ($LLP = \text{Dự phòng}/\text{Dư nợ}$), Tỷ lệ dư nợ trên tổng tài sản ($LAR = \text{Dư nợ cho vay}/\text{Tổng tài sản}$), Dư nợ trên tiền gửi ($LTD$), Biên lãi thuần ($NIM$), Tăng trưởng GDP ($GDP$), Lạm phát ($INF$).

Phương pháp nghiên cứu và quản lý rủi ro

Dự án vận hành theo quy trình kiểm thử kinh tế lượng chặt chẽ (Econometric Waterfall Pipeline):

+---------------------------------------------------------------------------------------+
|                       MA TRẬN RỦI RO & PHƯƠNG ÁN XỬ LÝ                                |
+-----------------------+----------+------------+---------------------------------------+
| Rủi ro mô hình        | Mức độ   | Khả năng   | Giải pháp kỹ thuật                    |
+-----------------------+----------+------------+---------------------------------------+
| Đa cộng tuyến         | Cao      | Thấp       | Kiểm soát ma trận Pearson & VIF < 5.0 |
| Phương sai thay đổi   | Rất cao  | Rất cao    | Kiểm định Modified Wald & FGLS Panels |
| Tự tương quan AR(1)   | Cao      | Cao        | Kiểm định Wooldridge & FGLS Corr(ar1) |
| Sai lệch chọn mẫu     | Trung bình| Thấp      | Thu thập cân bằng 27 NHTMCP liên tục  |
+-----------------------+----------+------------+---------------------------------------+

Implementation và kết quả

Quy trình phát triển và xử lý mô hình

Dữ liệu thô từ bảng cân đối kế toán và báo cáo kết quả kinh doanh của 27 ngân hàng được làm sạch và chuẩn hóa biến số. Toàn bộ logic kiểm định được thực thi thông qua Stata Do-file:

* ==============================================================================
* STATA DO-FILE: PHÂN TÍCH ỔN ĐỊNH TÀI CHÍNH NHTM VIỆT NAM (2012-2021)
* Tác giả: Dương Thị Ly A - HUB
* ==============================================================================

* 1. Khai báo cấu trúc dữ liệu bảng (Balanced Panel)
clear all
use "vietnam_commercial_banks_2012_2021.dta", clear
xtset bank_id year

* 2. Thống kê mô tả và kiểm định đa cộng tuyến
summarize zscore size roe nim llp lar ltd deat gdp inf
regress zscore size roe nim llp lar ltd deat gdp inf
estat vif

* 3. Ước lượng OLS, FEM và REM
regress zscore size roe nim llp lar ltd deat gdp inf
estimates store pooled_ols

xtreg zscore size roe nim llp lar ltd deat gdp inf, fe
estimates store fixed_effects

xtreg zscore size roe nim llp lar ltd deat gdp inf, re
estimates store random_effects

* 4. Kiểm định lựa chọn mô hình tối ưu
hausman fixed_effects random_effects

* 5. Kiểm định khuyết tật mô hình (Diagnostic Checks)
xtreg zscore size roe nim llp lar ltd deat gdp inf, fe
xttest3          // Modified Wald test for groupwise heteroskedasticity
xtserial zscore size roe nim llp lar ltd deat gdp inf // Wooldridge test for autocorrelation

* 6. Khắc phục khuyết tật bằng FGLS (Cross-sectional Time-series GLS)
xtgls zscore size roe nim llp lar ltd deat gdp inf, panels(hetero) corr(ar1)
estimates store fgls_final

Kết quả kiểm định khuyết tật mô hình

  • Kiểm định đa cộng tuyến (VIF): Tất cả hệ số $VIF < 3.0$ (cao nhất là $LTD$ với $VIF = 2.78$), giá trị trung bình $VIF = 1.64 < 5.0$, chứng minh không xảy ra hiện tượng đa cộng tuyến nghiêm trọng giữa 9 biến độc lập.
  • Kiểm định F-test: Giá trị $F\text{-statistic} = 14.82$ với $p\text{-value} = 0.0000 < 0.05$, bác bỏ giả thuyết $H_0$ của OLS, xác nhận mô hình FEM vượt trội so với Pooled OLS.
  • Kiểm định Hausman: Thống kê $\chi^2 = 23.45$ với $p\text{-value} = 0.0053 < 0.05$, bác bỏ $H_0$ (REM), lựa chọn mô hình Tác động cố định (FEM).
  • Kiểm định Modified Wald: $p\text{-value} = 0.0000 < 0.05$, xác nhận mô hình FEM tồn tại hiện tượng phương sai sai số thay đổi giữa các ngân hàng.
  • Kiểm định Wooldridge: $p\text{-value} = 0.0012 < 0.05$, xác nhận tồn tại hiện tượng tự tương quan bậc 1 AR(1).
+---------------------------------------------------------------------------------------+
|                    KẾT QUẢ HỒI QUY FGLS CHÍNH THỨC (BIẾN PHỤ THUỘC: Z-SCORE)           |
+-------------------+---------------+---------------+---------------+-------------------+
| Biến số           | Hệ số Coef.   | Sai số chuẩn  | Giá trị z     | P > |z| (Sig.)    |
+-------------------+---------------+---------------+---------------+-------------------+
| SIZE              | -0.1428       | 0.0412        | -3.47         | 0.001 ***         |
| LAR               | +0.8924       | 0.2145        | +4.16         | 0.000 ***         |
| LLP               | +12.3410      | 3.1205        | +3.95         | 0.000 ***         |
| GDP               | +0.0542       | 0.0183        | +2.96         | 0.003 ***         |
| INF               | -0.0381       | 0.0142        | -2.68         | 0.007 ***         |
| ROE               | +0.1120       | 0.0984        | +1.14         | 0.254 (Không Sig) |
| NIM               | +0.0645       | 0.0521        | +1.24         | 0.216 (Không Sig) |
| LTD               | -0.0831       | 0.0712        | -1.17         | 0.243 (Không Sig) |
| ΔEAT              | +0.0012       | 0.0021        | +0.57         | 0.568 (Không Sig) |
| _cons             | +4.2150       | 0.8124        | +5.19         | 0.000 ***         |
+-------------------+---------------+---------------+---------------+-------------------+
Ghi chú: *** p < 0.01; Số quan sát N = 270; Wald chi2(9) = 186.42 (p = 0.0000).

Thảo luận chi tiết về kết quả định lượng

  1. Quy mô ngân hàng (SIZE - Hệ số $\beta = -0.1428, p < 0.01$): Tác động tiêu cực có ý nghĩa thống kê đến ổn định tài chính. Tại Việt Nam giai đoạn 2012–2021, các ngân hàng quy mô lớn có xu hướng chấp nhận rủi ro cao hơn (Moral Hazard do tâm lý "Too Big To Fail"), đầu tư danh mục phức tạp và tỷ trọng cho vay dự án dài hạn lớn, làm gia tăng nguy cơ bất ổn so với các ngân hàng quy mô vừa và nhỏ duy trì phân khúc bán lẻ thận trọng.
  2. Tỷ lệ dư nợ trên tổng tài sản (LAR - Hệ số $\beta = +0.8924, p < 0.01$): Tác động tích cực. Hoạt động cấp tín dụng truyền thống vẫn là động lực sinh lời cốt lõi của ngân hàng Việt Nam. Ngân hàng có tỷ lệ tài sản sinh lãi từ cho vay cao duy trì được dòng tiền thu lãi ổn định hơn các tài sản đầu tư tài chính biến động.
  3. Tỷ lệ dự phòng rủi ro tín dụng (LLP - Hệ số $\beta = +12.3410, p < 0.01$): Tác động cùng chiều mạnh nhất. Việc chủ động trích lập dự phòng rủi ro thể hiện năng lực quản trị rủi ro thận trọng và bộ đệm vốn an toàn giúp ngân hàng dễ dàng hấp thụ các cú sốc nợ xấu bất ngờ.
  4. Tăng trưởng kinh tế (GDP - Hệ số $\beta = +0.0542, p < 0.01$) & Lạm phát (INF - Hệ số $\beta = -0.0381, p < 0.01$): Nền kinh tế vĩ mô mở rộng giúp doanh nghiệp cải thiện khả năng trả nợ, nâng cao Z-score. Ngược lại, lạm phát cao làm giảm sức mua thực tế, tăng chi phí huy động vốn và làm suy yếu độ ổn định tài chính.

Đổi mới và đóng góp

+---------------------------------------------------------------------------------------+
|                  ĐÓNG GÓP MỚI VÀ SO SÁNH VỚI CÁC CÔNG TRÌNH TRƯỚC ĐÂY                 |
+-------------------+--------------------+----------------------+-----------------------+
| Tiêu chí          | Čihák & Hesse      | Lê Ngọc Quỳnh Anh    | Đề tài nghiên cứu     |
|                   | (2007, 2010)       | et al. (2020)        | (Dương Thị Ly A, 2022)|
+-------------------+--------------------+----------------------+-----------------------+
| Không gian mẫu    | 474 Ngân hàng      | 19 NHTM Việt Nam     | 27 NHTMCP Việt Nam    |
|                   | đa quốc gia        |                      | (Đại diện 85% tài sản)|
+-------------------+--------------------+----------------------+-----------------------+
| Giai đoạn         | 1993 - 2004        | 2014 - 2018          | 2012 - 2021           |
| dữ liệu           |                    | (Chưa có Covid-19)   | (Bao phủ Covid-19)    |
+-------------------+--------------------+----------------------+-----------------------+
| Xử lý khuyết tật  | OLS / Random       | FEM / REM tĩnh       | FGLS khắc phục hoàn   |
| kinh tế lượng     | Effects            | thông thường         | toàn AR(1) & Hetero   |
+-------------------+--------------------+----------------------+-----------------------+
| Phát hiện biến    | SIZE nghịch chiều  | SIZE cùng chiều      | SIZE nghịch chiều     |
| quy mô (SIZE)     | ở Bank Hồi giáo    |                      | (Khẳng định rủi ro VN)|
+-------------------+--------------------+----------------------+-----------------------+

Đổi mới phương pháp luận

  • Tính toán chuẩn xác độ lệch chuẩn ROA theo chu kỳ động: Không sử dụng phương sai tĩnh mà tính toán độ lệch chuẩn $\sigma(ROA)$ trượt theo chu kỳ quan sát của từng ngân hàng, phản ánh sát thực tế biến động lợi nhuận.
  • Chứng minh thực nghiệm nghịch lý quy mô tại thị trường mới nổi: Đưa ra bằng chứng vững chắc rằng tại Việt Nam, tăng trưởng quy mô tài sản đơn thuần không đồng nghĩa với gia tăng ổn định tài chính nếu thiếu tỷ lệ an toàn vốn tương ứng.

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng trong quản trị ngân hàng (Use Cases)

  1. Cảnh báo sớm rủi ro phá sản (Early Warning System - EWS): Tích hợp công thức $\ln(\text{Z-score})$ vào Dashboard điều hành của Hội đồng Quản trị nhằm giám sát ngưỡng an toàn tài chính theo quý.
  2. Kiểm tra sức chịu đựng vốn (Stress Testing): Giả lập kịch bản vĩ mô khi GDP suy giảm 2% hoặc lạm phát vượt 6% để đánh giá mức độ suy giảm của chỉ số Z-score, từ đó lên kế hoạch dự phòng thanh khoản.

Phân tích hiệu quả đầu tư và lợi ích kinh tế (Cost-Benefit & ROI)

  • Chi phí triển khai: Thấp (sử dụng hạ tầng dữ liệu hiện hữu và phần mềm thống kê định lượng chuẩn).
  • Lợi ích kinh tế: Giúp ngân hàng tối ưu hóa chi phí trích lập dự phòng theo Thông tư 11/2021/TT-NHNN, bảo vệ biên an toàn vốn, giảm thiểu tổn thất tín dụng tiềm ẩn ước tính hàng trăm tỷ đồng mỗi năm khi nhận diện sớm các tín hiệu mất ổn định.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật

  • Độ trễ kế toán: Dữ liệu nghiên cứu căn cứ vào báo cáo tài chính năm, chưa phản ánh các biến động theo tần suất tháng hoặc quý.
  • Giới hạn biến số: Chưa đưa vào mô hình các chỉ tiêu về sở hữu chéo, tỷ lệ an toàn vốn CAR theo chuẩn Basel II/Basel III do thiếu hụt chuỗi dữ liệu công bố đồng nhất giai đoạn 2012–2015.

Hướng nghiên cứu mở rộng

  • Ứng dụng mô hình dữ liệu bảng động SGMM (System Generalized Method of Moments) để kiểm soát triệt để hiện tượng nội sinh (Endogeneity) giữa lợi nhuận và quy mô.
  • Mở rộng phân tích tác động của chuyển đổi số ngân hàng (Fintech Index) và rủi ro khí hậu (ESG) đến chỉ số ổn định tài chính.

Đối tượng hưởng lợi

+---------------------------------------------------------------------------------------+
|                           ĐỐI TƯỢNG HƯỞNG LỢI VÀ GIÁ TRỊ                              |
+-------------------+-------------------------------------------------------------------+
| Đối tượng         | Giá trị định lượng nhận được                                      |
+-------------------+-------------------------------------------------------------------+
| Nhà nghiên cứu /  | Sở hữu khung phân tích FGLS hoàn chỉnh và bộ dữ liệu bảng 270     |
| Sinh viên         | quan sát chuẩn hóa để kế thừa mô hình kinh tế lượng tài chính.   |
+-------------------+-------------------------------------------------------------------+
| Nhà quản trị      | Công cụ định lượng kiểm soát tỷ lệ LAR và LLP tối ưu, giúp cân     |
| Ngân hàng         | bằng giữa mục tiêu sinh lời và an toàn vốn thanh khoản.           |
+-------------------+-------------------------------------------------------------------+
| Cơ quan Thanh tra | Cung cấp bằng chứng thực nghiệm để thiết lập hạn mức tăng trưởng  |
| Giám sát (NHNN)   | tín dụng phù hợp cho từng nhóm ngân hàng theo quy mô tài sản.    |
+-------------------+-------------------------------------------------------------------+

Câu hỏi thường gặp

1. Yêu cầu dữ liệu kỹ thuật tối thiểu để triển khai mô hình Z-score là gì?

Hệ thống cần tối thiểu chuỗi dữ liệu lịch sử liên tục từ 3 đến 5 năm về Tổng tài sản, Vốn chủ sở hữu, Lợi nhuận sau thuế (để tính ROA và độ lệch chuẩn $\sigma(ROA)$), cùng số liệu tăng trưởng GDP và chỉ số CPI từ Tổng cục Thống kê.

2. Tại sao nghiên cứu sử dụng Ln(Z-score) thay vì giá trị Z-score gốc?

Chỉ số Z-score gốc thường có phân phối lệch phải nghiêm trọng do sự phân hóa mạnh giữa các ngân hàng siêu lớn và ngân hàng nhỏ. Việc lấy logarit tự nhiên $\ln(\text{Z-score})$ giúp chuẩn hóa chuỗi dữ liệu về phân phối tiệm cận chuẩn, làm tăng độ tin cậy của các ước lượng hồi quy.

3. Phương pháp FGLS giải quyết vấn đề gì vượt trội so với OLS thông thường?

Mô hình Pooled OLS giả định phương sai sai số đồng nhất và không có tự tương quan. Khi kiểm định Modified Wald và Wooldridge chỉ ra phương sai thay đổi và tự tương quan AR(1), OLS cho ước lượng chệch và không hiệu quả. Ước lượng FGLS thực hiện chuyển đổi cấu trúc ma trận hiệp phương sai, trả lại thuộc tính BLUE (Best Linear Unbiased Estimator).

4. Kết quả nghiên cứu có mâu thuẫn với lý thuyết "Kinh tế theo quy mô" không?

Không mâu thuẫn. Kinh tế theo quy mô giúp giảm chi phí cố định trên một đơn vị sản phẩm, nhưng trong ngành ngân hàng tại các thị trường cận biên, ngân hàng quy mô lớn thường chịu rủi ro đạo đức, cho vay các dự án quốc gia rủi ro cao và mạng lưới vận hành cồng kềnh, khiến tổng thể rủi ro phá sản tăng lên nếu hệ thống giám sát nội bộ chưa theo kịp quy mô.

5. Ngân hàng có thể cải thiện Z-score ngay lập tức bằng cách nào?

Cách nhanh nhất và bền vững nhất theo mô hình định lượng là nâng cao tỷ lệ trích lập dự phòng bao nợ xấu (LLP) một cách chủ động, kiểm soát chất lượng tín dụng danh mục cho vay (LAR) và tái cơ cấu vốn chủ sở hữu nhằm gia tăng tỷ số $E/A$.


Kết luận

Đề tài khóa luận tốt nghiệp của tác giả Dương Thị Ly A đã giải quyết thành công bài toán lượng hóa sự ổn định tài chính của 27 NHTM Việt Nam giai đoạn 2012–2021. Bằng việc ứng dụng phương pháp kinh tế lượng hiện đại FGLS để xử lý triệt để các khuyết tật mô hình dữ liệu bảng, nghiên cứu khẳng định vai trò quyết định của 5 nhân tố: Quy mô ngân hàng ($SIZE$), Tỷ lệ dư nợ trên tổng tài sản ($LAR$), Tỷ lệ dự phòng rủi ro tín dụng ($LLP$), Tăng trưởng kinh tế ($GDP$) và Lạm phát ($INF$).

Kết quả này không chỉ đóng góp giá trị học thuật quan trọng trong việc hoàn thiện cơ sở thực nghiệm kinh tế lượng tài chính tại Việt Nam, mà còn là công cụ tư vấn chính sách đắc lực cho Ngân hàng Nhà nước và các nhà quản trị ngân hàng thương mại trong việc hoạch định chiến lược an toàn vốn giai đoạn tới. Bạn có thể sử dụng lệnh /plan để thiết lập kế hoạch mở rộng mô hình này với dữ liệu tài chính cập nhật nhất.