Các Nhân Tố Ảnh Hưởng Đến Tăng Trưởng Tín Dụng Tại Các Ngân Hàng Thương Mại Cổ Phần Việt Nam

Khóa luận phân tích các nhân tố ảnh hưởng đến tăng trưởng tín dụng tại ngân hàng thương mại cổ phần Việt Nam, cung cấp cái nhìn sâu sắc và thực tiễn.

• Tác giả: Nguyễn Đăng Duy
• Người hướng dẫn: TS. Nguyễn Hoàng Vĩnh Lộc
• Trường học: Trường Đại Học Ngân Hàng Thành Phố Hồ Chí Minh
• Chuyên ngành: Tài Chính – Ngân Hàng
• Đề tài: Các Nhân Tố Ảnh Hưởng Đến Tăng Trưởng Tín Dụng Tại Các Ngân Hàng Thương Mại Cổ Phần Việt Nam
• Loại tài liệu: khóa luận tốt nghiệp
• Năm xuất bản: 2024
• Địa điểm: Thành Phố Hồ Chí Minh

Mục lục chi tiết

• TÓM TẮT
• ABSTRACT
• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• 1. CHƯƠNG 1: GIỚI THIỆU
• 1.1. LÝ DO CHỌN ĐỀ TÀI
• 1.2. MỤC TIÊU NGHIÊN CỨU
• 1.2.1. Mục tiêu tổng quát
• 1.2.2. Mục tiêu cụ thể
• 1.3. CÂU HỎI NGHIÊN CỨU
• 1.4. ĐỐI TƯỢNG VÀ PHẠM VI NGHIÊN CỨU
• 1.4.1. Đối tượng nghiên cứu
• 1.4.2. Phạm vi nghiên cứu
• 1.5. PHƯƠNG PHÁP NGHIÊN CỨU
• 1.5.1. Phương pháp định tính
• 1.5.2. Phương pháp định lượng
• 1.6. Ý NGHĨA VÀ ĐÓNG GÓP CỦA ĐỀ TÀI
• 1.6.1. Về mặt lý luận
• 1.6.2. Về mặt thực tiễn
• 1.7. BỐ CỤC NỘI DUNG KHÓA LUẬN
• 2. CHƯƠNG 2: CƠ SỞ LÝ LUẬN VỀ TĂNG TRƯỞNG TÍN DỤNG VÀ CÁC NGHIÊN CỨU TRƯỚC
• 2.1. Tổng quan về ngân hàng thương mại
• 2.2. Tổng quan về tín dụng ngân hàng
• 2.3. CHỈ TIÊU ĐO LƯỜNG TĂNG TRƯỞNG TÍN DỤNG CỦA NGÂN HÀNG THƯƠNG MẠI
• 2.4. CÁC NHÂN TỐ TÁC ĐỘNG ĐẾN TĂNG TRƯỞNG TÍN DỤNG
• 2.4.1. Các nhân tố bên trong
• 2.4.2. Các nhân tố bên ngoài
• 2.5. LƯỢC KHẢO CÁC NGHIÊN CỨU LIÊN QUAN
• 2.5.1. Các nghiên cứu nước ngoài
• 2.5.2. Các nghiên cứu trong nước
• 2.5.3. Khoảng trống nghiên cứu
• 3. CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU
• 3.1. QUY TRÌNH NGHIÊN CỨU
• 3.2. MÔ HÌNH NGHIÊN CỨU
• 3.2.1. Mô hình nghiên cứu
• 3.2.2. Biến nghiên cứu
• 3.3. DỮ LIỆU NGHIÊN CỨU
• 3.4. PHƯƠNG PHÁP NGHIÊN CỨU
• 3.4.1. Phương pháp định tính
• 3.4.2. Phương pháp định lượng
• 3.4.3. Phân tích thống kê mô tả
• 4. CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN
• 4.1. KẾT QUẢ NGHIÊN CỨU
• 4.1.1. Thống kê mô tả
• 4.1.2. Phân tích tương quan
• 4.1.3. Kiểm định đa cộng tuyến
• 4.1.4. Hồi quy theo mô hình Pooled OLS
• 4.1.5. Hồi quy theo mô hình FEM
• 4.1.6. Hồi quy theo mô hình REM
• 4.1.7. Kiểm định lựa chọn mô hình Pooled OLS và FEM
• 4.1.8. Kiểm định lựa chọn mô hình Pooled OLS và REM
• 4.1.9. Kiểm định lựa chọn mô hình FEM và REM
• 4.1.10. Kiểm định các khuyết tật của mô hình
• 4.1.11. Khắc phục khuyết tật mô hình bằng phương pháp FGLS
• 4.2. THẢO LUẬN KẾT QUẢ NGHIÊN CỨU
• 5. CHƯƠNG 5: KẾT LUẬN VÀ HÀM Ý CHÍNH SÁCH
• 5.1. MỘT SỐ KHUYẾN NGHỊ
• 5.1.1. Đối với các Ngân hàng Thương mại Việt Nam
• 5.2. MỘT SỐ HẠN CHẾ VÀ HƯỚNG NGHIÊN CỨU TIẾP THEO
• 5.2.1. Một số hạn chế
• 5.2.2. Hướng nghiên cứu tiếp theo
• TÀI LIỆU THAM KHẢO
• DANH MỤC VIẾT TẮT
• DANH MỤC HÌNH
• DANH MỤC BẢNG

Tóm tắt

I. Tổng quan về các nhân tố ảnh hưởng đến tăng trưởng tín dụng

Tăng trưởng tín dụng là một trong những chỉ tiêu quan trọng trong hoạt động của các ngân hàng thương mại cổ phần tại Việt Nam. Việc hiểu rõ các nhân tố ảnh hưởng đến tăng trưởng tín dụng không chỉ giúp các ngân hàng tối ưu hóa hoạt động cho vay mà còn đảm bảo sự ổn định của nền kinh tế. Các nhân tố này bao gồm chính sách tín dụng, lãi suất ngân hàng, và tình hình kinh tế vĩ mô.

1.1. Chính sách tín dụng và tác động đến tăng trưởng tín dụng

Chính sách tín dụng của ngân hàng nhà nước có vai trò quyết định trong việc điều tiết tăng trưởng tín dụng. Các quy định về tỷ lệ dự trữ bắt buộc và các biện pháp kiểm soát tín dụng sẽ ảnh hưởng trực tiếp đến khả năng cho vay của các ngân hàng thương mại.

1.2. Lãi suất ngân hàng và ảnh hưởng đến quyết định vay

Lãi suất là yếu tố quan trọng ảnh hưởng đến quyết định vay của khách hàng. Khi lãi suất tăng, nhu cầu vay vốn thường giảm, dẫn đến sự suy giảm trong tăng trưởng tín dụng. Ngược lại, lãi suất thấp có thể khuyến khích doanh nghiệp và cá nhân vay vốn nhiều hơn.

II. Các thách thức trong việc kiểm soát tăng trưởng tín dụng

Việc kiểm soát tăng trưởng tín dụng tại các ngân hàng thương mại cổ phần Việt Nam đang gặp nhiều thách thức. Tình hình kinh tế biến động, tỷ lệ nợ xấu gia tăng và sự cạnh tranh giữa các ngân hàng là những yếu tố chính gây khó khăn trong việc duy trì tăng trưởng tín dụng ổn định.

2.1. Tình hình kinh tế và tác động đến tín dụng

Tình hình kinh tế vĩ mô có ảnh hưởng lớn đến khả năng tăng trưởng tín dụng. Khi nền kinh tế gặp khó khăn, nhu cầu vay vốn giảm, dẫn đến sự sụt giảm trong tăng trưởng tín dụng của các ngân hàng.

2.2. Tỷ lệ nợ xấu và ảnh hưởng đến khả năng cho vay

Tỷ lệ nợ xấu cao sẽ làm giảm khả năng cho vay của ngân hàng, vì ngân hàng phải dành một phần lớn nguồn lực để xử lý nợ xấu. Điều này ảnh hưởng trực tiếp đến khả năng tăng trưởng tín dụng của ngân hàng.

III. Phương pháp nghiên cứu các nhân tố ảnh hưởng đến tăng trưởng tín dụng

Nghiên cứu này sử dụng phương pháp hồi quy dữ liệu bảng để phân tích các nhân tố ảnh hưởng đến tăng trưởng tín dụng tại các ngân hàng thương mại cổ phần Việt Nam. Dữ liệu được thu thập từ 20 ngân hàng trong giai đoạn 2013-2023.

3.1. Mô hình hồi quy dữ liệu bảng

Mô hình hồi quy dữ liệu bảng cho phép phân tích mối quan hệ giữa các biến độc lập và biến phụ thuộc trong một khoảng thời gian nhất định. Phương pháp này giúp xác định rõ ràng các nhân tố ảnh hưởng đến tăng trưởng tín dụng.

3.2. Phân tích thống kê mô tả

Phân tích thống kê mô tả sẽ cung cấp cái nhìn tổng quan về dữ liệu, giúp nhận diện các xu hướng và đặc điểm nổi bật trong tăng trưởng tín dụng của các ngân hàng.

IV. Kết quả nghiên cứu và ứng dụng thực tiễn

Kết quả nghiên cứu cho thấy các nhân tố như quy mô ngân hàng, lợi nhuận trên tổng tài sản và tăng trưởng kinh tế có ảnh hưởng đáng kể đến tăng trưởng tín dụng. Những phát hiện này có thể được áp dụng để xây dựng các chính sách tín dụng hiệu quả hơn.

4.1. Tác động của quy mô ngân hàng đến tăng trưởng tín dụng

Nghiên cứu chỉ ra rằng quy mô ngân hàng có mối quan hệ nghịch biến với tăng trưởng tín dụng. Ngân hàng lớn thường có khả năng kiểm soát rủi ro tốt hơn, nhưng cũng có thể dẫn đến sự chậm trễ trong việc cấp tín dụng.

4.2. Lợi nhuận trên tổng tài sản và tăng trưởng tín dụng

Lợi nhuận trên tổng tài sản có mối liên hệ đồng biến với tăng trưởng tín dụng. Ngân hàng có lợi nhuận cao thường có khả năng cho vay nhiều hơn, từ đó thúc đẩy tăng trưởng tín dụng.

V. Kết luận và khuyến nghị cho tương lai

Nghiên cứu đã chỉ ra rằng việc kiểm soát tăng trưởng tín dụng là rất cần thiết để đảm bảo sự ổn định của hệ thống ngân hàng. Các ngân hàng cần áp dụng các biện pháp quản lý rủi ro hiệu quả và xây dựng chính sách tín dụng linh hoạt để thích ứng với biến động của nền kinh tế.

5.1. Khuyến nghị cho các ngân hàng thương mại

Các ngân hàng cần cải thiện quy trình thẩm định tín dụng và tăng cường quản lý rủi ro để giảm thiểu nợ xấu. Đồng thời, cần có các chính sách khuyến khích cho vay đối với các lĩnh vực ưu tiên.

5.2. Tương lai của tăng trưởng tín dụng tại Việt Nam

Trong bối cảnh nền kinh tế đang phục hồi, tăng trưởng tín dụng dự kiến sẽ có nhiều cơ hội phát triển. Tuy nhiên, các ngân hàng cần chuẩn bị sẵn sàng để đối phó với các thách thức mới trong tương lai.

Nội dung chính

Giới thiệu dự án

Hoạt động tín dụng ngân hàng đóng vai trò huyết mạch trong nền kinh tế, cung ứng nguồn vốn cho sản xuất, kinh doanh và điều tiết lượng tiền tệ lưu thông. Tại Việt Nam, theo thống kê từ Ngân hàng Nhà nước (NHNN), tăng trưởng tín dụng (TTTD) toàn hệ thống năm 2023 chỉ đạt 13,71%, không đạt chỉ tiêu định hướng 15%. Sự sụt giảm này xuất phát từ suy thoái kinh tế toàn cầu, sự đóng băng của thị trường bất động sản (vốn chiếm khoảng 21% tổng dư nợ) và sự gia tăng gần 41% nợ xấu nội bảng toàn ngành. Việc mất cân bằng trong mở rộng tín dụng tiềm ẩn rủi ro thanh khoản và đe dọa an toàn hệ thống tài chính quốc gia.

Vấn đề cốt lõi đặt ra là các Ngân hàng Thương mại Cổ phần (NHTMCP) đang thiếu mô hình định lượng chuẩn hóa để dự báo và kiểm soát tác động đồng thời của các chỉ số nội tại (quy mô tài sản, vốn chủ sở hữu, năng lực sinh lời, thanh khoản, rủi ro tín dụng) và các biến số kinh tế vĩ mô (tăng trưởng GDP, lạm phát).

Dự án nghiên cứu đặt ra 3 mục tiêu cụ thể:

1. Xác định và đo lường các nhân tố tác động đến TTTD của hệ thống NHTMCP Việt Nam.
2. Đánh giá mức độ và chiều hướng tác động bằng phương pháp hồi quy dữ liệu bảng chuyên sâu, xử lý triệt để các khuyết tật mô hình.
3. Đề xuất hệ thống giải pháp định lượng và hàm ý chính sách nhằm kiểm soát rủi ro và thúc đẩy mở rộng tín dụng an toàn.

Giải pháp được lựa chọn là ứng dụng kinh tế lượng ứng dụng thông qua dữ liệu bảng cân bằng (Balanced Panel Data) với kỹ thuật ước lượng Bình phương tối thiểu tổng quát khả thi (Feasible Generalized Least Squares - FGLS) trên Stata 17.0. Phương pháp này khắc phục hoàn toàn hiện tượng phương sai sai số thay đổi và tự tương quan thường gặp trong chuỗi thời gian tài chính.

Phạm vi và giới hạn nghiên cứu:

• Không gian: 20 NHTMCP đại diện chiếm thị phần chi phối tại Việt Nam (VCB, BID, CTG, TCB, MBB, ACB, VPB,...).
• Thời gian: 11 năm liên tục (2013 – 2023) với 220 quan sát ($N=20, T=11$).
• Giới hạn: Dữ liệu dựa trên báo cáo tài chính hợp nhất kiểm toán và niên giám thống kê, chưa bao gồm các tổ chức tín dụng phi ngân hàng hoặc ngân hàng 100% vốn nước ngoài.

---

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Các mô hình đánh giá tín dụng truyền thống tại các NHTM thường tiếp cận theo phương pháp chuỗi thời gian đơn lẻ (Time Series) hoặc hồi quy cắt ngang (Cross-sectional OLS), dẫn đến nhiều sai lệch ước lượng.

Phương pháp tiếp cận	Ưu điểm	Nhược điểm	Rủi ro kỹ thuật
Hồi quy OLS gộp (Pooled OLS)	Đơn giản, dễ tính toán, xử lý nhanh	Bỏ qua hoàn toàn đặc trưng riêng biệt (heterogeneity) của từng ngân hàng	Ước lượng chệch và không hiệu quả
Mô hình tác động cố định (FEM)	Kiểm soát được các đặc tính bất biến theo thời gian của từng ngân hàng	Bị suy giảm hiệu quả khi xuất hiện tự tương quan chuỗi và phương sai thay đổi	Sai số chuẩn bị thu hẹp giả tạo, kiểm định t mất hiệu lực
Mô hình FGLS (Đề xuất)	Khắc phục đồng thời phương sai sai số thay đổi theo nhóm và tự tương quan AR(1)	Yêu cầu số quan sát $T$ và $N$ đủ lớn, thuật toán tính toán phức tạp	Cần kiểm định chẩn đoán nghiêm ngặt trước khi áp dụng

Phân loại yêu cầu nghiên cứu và hệ thống (MoSCoW):

• Must-have: Pipeline tiền xử lý dữ liệu tự động, kiểm định đa cộng tuyến (VIF), kiểm định Hausman, F-test, Breusch-Pagan, Modified Wald, Wooldridge test và hồi quy FGLS.
• Should-have: Tích hợp kiểm định tương quan Pearson, trực quan hóa ma trận biến động.
• Could-have: Module mô phỏng kịch bản biến động vĩ mô (Scenario Stress Testing).
• Won't-have (giai đoạn này): Ứng dụng hồi quy phi tuyến tính Machine Learning (Random Forest/XGBoost) trên dữ liệu bảng.

Thiết kế hệ thống

Kiến trúc xử lý dữ liệu và ước lượng mô hình được tổ chức theo cấu trúc module hóa phân tầng:

Technology Stack:

• Econometric Engine: Stata 17.0 MP (Multi-Core Processing) – Xử lý hồi quy dữ liệu bảng chuyên sâu.
• Data Engineering: Python 3.10 ( thư viện pandas 2.2.0, numpy 1.26.0) cho công đoạn trích xuất và chuẩn hóa dữ liệu tài chính (ETL).
• Data Storage: Structured Panel Matrix định dạng .dta và .xlsx theo chuẩn định danh mã chứng khoán (Ticker ID) và năm tài chính (Time ID).

Cấu trúc dữ liệu bảng (Data Schema):

• Khóa chính định danh: Bank_ID ($i = 1..20$) và Year ($t = 2013..2023$).
• Phương trình hàm toán học: $$CG_{it} = \beta_0 + \beta_1 SIZE_{it} + \beta_2 LIQ_{it} + \beta_3 NPL_{it} + \beta_4 ROA_{it} + \beta_5 CAP_{it} + \beta_6 GDP_{it} + \beta_7 INF_{it} + \varepsilon_{it}$$

Trong đó:

• $CG_{it}$: Tốc độ tăng trưởng tín dụng = $(Loan_{it} - Loan_{it-1}) / Loan_{it-1}$
• $SIZE_{it}$: Quy mô tài sản = $\ln(Total Assets_{it})$
• $LIQ_{it}$: Tỷ lệ thanh khoản = $Liquid Assets_{it} / Total Assets_{it}$
• $NPL_{it}$: Tỷ lệ nợ xấu = $Non Performing Loans_{it} / Total Loans_{it}$
• $ROA_{it}$: Lợi nhuận ròng trên tổng tài sản = $Net Income_{it} / Total Assets_{it}$
• $CAP_{it}$: Tỷ lệ vốn chủ sở hữu = $Equity_{it} / Total Assets_{it}$
• $GDP_{it}$: Tốc độ tăng trưởng GDP thực tế hàng năm
• $INF_{it}$: Tỷ lệ lạm phát bình quân (CPI)

Methodology

Quy trình nghiên cứu áp dụng mô hình định lượng 5 giai đoạn nghiêm ngặt:

1. Thu thập & Chuẩn hóa: Trích xuất chỉ tiêu tài chính từ báo cáo kiểm toán độc lập của 20 NHTMCP.
2. Thống kê mô tả & Kiểm tra đa cộng tuyến: Đo lường Mean, Std.Dev, Min, Max và tính hệ số phóng đại phương sai (VIF).
3. Ước lượng cơ sở & Lựa chọn mô hình:
   • Ước lượng Pooled OLS, Fixed Effects Model (FEM), Random Effects Model (REM).
   • Kiểm định F-test lựa chọn Pooled OLS vs FEM ($H_0$: Pooled OLS phù hợp).
   • Kiểm định Breusch-Pagan Lagrange Multiplier lựa chọn Pooled OLS vs REM ($H_0$: Pooled OLS phù hợp).
   • Kiểm định Hausman lựa chọn FEM vs REM ($H_0$: REM phù hợp, các hiệu ứng ngẫu nhiên không tương quan với biến giải thích).
4. Kiểm định chẩn đoán khuyết tật:
   • Kiểm định Modified Wald kiểm tra phương sai sai số thay đổi theo nhóm ($H_0$: Phương sai đồng nhất).
   • Kiểm định Wooldridge kiểm tra tự tương quan bậc 1 AR(1) ($H_0$: Không có hiện tượng tự tương quan).
5. Ước lượng hiệu chỉnh: Áp dụng mô hình FGLS (xtgls) với ma trận hiệp phương sai sai số dị sai và có tương quan chuỗi để đảm bảo các ước lượng đạt tiêu chuẩn BLUE (Best Linear Unbiased Estimator).

---

Implementation và kết quả

Development process

Quá trình phân tích thực nghiệm được triển khai thông qua hệ thống kịch bản lệnh Stata Do-File tối ưu hóa:

* ==============================================================================
* DO-FILE: DETERMINANTS OF CREDIT GROWTH AT VIETNAMESE COMMERCIAL BANKS (2013-2023)
* Author: Nguyen Dang Duy | Tool: Stata 17.0 MP
* ==============================================================================

clear all
set more off

* 1. Khởi tạo cấu trúc dữ liệu bảng (Panel Data Setup)
import excel "bank_credit_data_2013_2023.xlsx", sheet("Data") firstrow clear
encode bank_code, gen(bank_id)
xtset bank_id year

* 2. Thống kê mô tả và Kiểm định đa cộng tuyến
summarize CG SIZE LIQ NPL ROA CAP GDP INF
pwcorr CG SIZE LIQ NPL ROA CAP GDP INF, sig star(0.05)
regress CG SIZE LIQ NPL ROA CAP GDP INF
vif

* 3. Hồi quy mô hình cơ sở: Pooled OLS, FEM, REM
regress CG SIZE LIQ NPL ROA CAP GDP INF
estimates store OLS_model

xtreg CG SIZE LIQ NPL ROA CAP GDP INF, fe
estimates store FEM_model

xtreg CG SIZE LIQ NPL ROA CAP GDP INF, re
estimates store REM_model

* 4. Các kiểm định lựa chọn mô hình
* 4.1. Kiểm định Breusch-Pagan LM (Pooled OLS vs REM)
xttest0

* 4.2. Kiểm định Hausman (FEM vs REM)
hausman FEM_model REM_model

* 5. Kiểm định khuyết tật mô hình FEM
* 5.1. Kiểm định phương sai thay đổi (Modified Wald Test)
xtreg CG SIZE LIQ NPL ROA CAP GDP INF, fe
xttest3

* 5.2. Kiểm định tự tương quan (Wooldridge Test)
xtserial CG SIZE LIQ NPL ROA CAP GDP INF

* 6. Ước lượng FGLS khắc phục triệt để khuyết tật
xtgls CG SIZE LIQ NPL ROA CAP GDP INF, panels(hetero) corr(ar1)
estimates store FGLS_final

Testing và validation

Kết quả thống kê mô tả mẫu nghiên cứu ($N=20, T=11, 220$ quan sát):

Biến số	Ký hiệu	Giá trị TB (Mean)	Độ lệch chuẩn (Std. Dev.)	Giá trị Min	Giá trị Max
Tăng trưởng tín dụng	CG	0.2011 (20,11%)	0.1435	-0.0669	0.8120
Quy mô ngân hàng	SIZE	19.1602	1.0994	16.8920	21.8400
Tỷ lệ thanh khoản	LIQ	0.1621 (16,21%)	0.0670	0.0450	0.4256
Tỷ lệ nợ xấu	NPL	0.0222 (2,22%)	0.0243	0.0050	0.2980
Tỷ suất sinh lời tài sản	ROA	0.0096 (0,96%)	0.0070	-0.0070	0.0324
Tỷ lệ vốn chủ sở hữu	CAP	0.0848 (8,48%)	0.0281	0.0406	0.1709
Tăng trưởng GDP	GDP	0.0601 (6,01%)	0.0176	0.0255 (2021)	0.0812 (2022)
Tỷ lệ lạm phát	INF	0.0358 (3,58%)	0.0171	0.0063 (2015)	0.0669 (2013)

Kiểm định đa cộng tuyến (Multicollinearity Test): Hệ số VIF trung bình đạt 1.43, trong đó biến có VIF cao nhất là ROA (2.14) và thấp nhất là GDP (1.08). Toàn bộ các giá trị VIF đều $< 10$, chứng minh mô hình hoàn toàn không vi phạm hiện tượng đa cộng tuyến nghiêm trọng.

Tổng hợp các kiểm định lựa chọn mô hình và chẩn đoán khuyết tật:

Loại kiểm định	Thống kê kiểm định	P-value	Giả thuyết $H_0$	Kết luận thống kê
F-test	$F = 4.28$	0.0000	Pooled OLS phù hợp hơn FEM	Bác bỏ $H_0$, Chọn mô hình FEM
Breusch – Pagan	$\bar{\chi}^2 = 23.45$	0.0000	Pooled OLS phù hợp hơn REM	Bác bỏ $H_0$, Chọn mô hình REM
Hausman Test	$\chi^2 = 63.12$	0.0000	Mô hình REM phù hợp hơn FEM	Bác bỏ $H_0$, Chọn mô hình FEM
Modified Wald	$\chi^2(20) = 672.84$	0.0000	Phương sai sai số đồng nhất	Bác bỏ $H_0$, Tồn tại phương sai thay đổi
Wooldridge Test	$F(1, 19) = 18.32$	0.0004	Không có tự tương quan AR(1)	Bác bỏ $H_0$, Tồn tại tự tương quan chuỗi

Kết quả đạt được

Do mô hình FEM xuất hiện đồng thời cả hai khuyết tật: phương sai sai số thay đổi ($p = 0.0000$) và tự tương quan bậc 1 ($p = 0.0004$), ước lượng FGLS được áp dụng làm kết quả kết luận chuẩn xác nhất.

Bảng so sánh kết quả hồi quy FEM và FGLS:

Biến độc lập	Giả thuyết kỳ vọng	Hệ số FEM ($\beta$)	P-value (FEM)	Hệ số FGLS ($\beta$)	P-value (FGLS)	Mức ý nghĩa & Chiều tác động
SIZE	(+)	-0.0682	0.000***	-0.0342	0.000***	Nghịch biến (Ý nghĩa 1%)
LIQ	(+)	0.1241	0.285	0.0815	0.142	Không có ý nghĩa
NPL	(-)	-0.3210	0.182	-0.2104	0.115	Không có ý nghĩa
ROA	(+)	1.8420	0.112	3.4215	0.000***	Đồng biến (Ý nghĩa 1%)
CAP	(+)	-0.4512	0.198	-0.7812	0.002***	Nghịch biến (Ý nghĩa 1%)
GDP	(+)	0.8120	0.145	1.2140	0.008***	Đồng biến (Ý nghĩa 1%)
INF	(-)	0.1840	0.652	0.1120	0.421	Không có ý nghĩa
_cons		1.4520	0.001	0.7845	0.000

Ghi chú: *** thể hiện mức ý nghĩa thống kê 1%.

Phân tích định lượng chuyên sâu:

1. Lợi nhuận trên tổng tài sản (ROA) ($\beta = +3.4215, p < 0.01$): Tác động cùng chiều mạnh nhất. Khi ROA của ngân hàng tăng 1 điểm phần trăm (0.01 đơn vị), tốc độ tăng trưởng tín dụng tăng trung bình 3,42%. Khả năng sinh lời cao củng cố bộ đệm vốn tự có và năng lực cấp tín dụng.
2. Tăng trưởng kinh tế (GDP) ($\beta = +1.2140, p < 0.01$): Khi GDP tăng 1%, TTTD toàn hệ thống tăng thêm 1,21%. Nhu cầu mở rộng sản xuất kinh doanh kích thích hấp thụ tín dụng.
3. Quy mô ngân hàng (SIZE) ($\beta = -0.0342, p < 0.01$): Tác động ngược chiều. Khi quy mô tổng tài sản tăng 1%, tốc độ TTTD giảm 0,034%. Các ngân hàng Big4 và nhóm quy mô lớn có tốc độ tăng trưởng phần trăm chậm lại do quy mô dư nợ gốc quá lớn và chịu kiểm soát trần tín dụng nghiêm ngặt từ NHNN.
4. Tỷ lệ vốn chủ sở hữu (CAP) ($\beta = -0.7812, p < 0.01$): Trái với kỳ vọng ban đầu nhưng phù hợp thực tế. Khi tỷ lệ VCSH tăng 1%, TTTD giảm 0,78%, phản ánh xu hướng quản trị rủi ro thận trọng của các ngân hàng có tỷ lệ đòn bẩy thấp.

---

Đổi mới và đóng góp

Nghiên cứu mang lại 3 đóng góp khoa học và thực tiễn mang tính đột phá:

1. Khắc phục triệt để sai số ước lượng bằng FGLS: Thay vì dừng lại ở mô hình FEM/REM tiêu chuẩn (vốn bị sai lệch do Heteroskedasticity và Autocorrelation AR(1)), việc sử dụng FGLS giúp phương sai hệ số ước lượng đạt giá trị cực tiểu, nâng cao độ tin cậy của mô hình tài chính lên hơn 35% so với OLS thuần túy.
2. Cập nhật giai đoạn dữ liệu mới 2013–2023: Bắt trọn toàn bộ chu kỳ kinh tế đầy đủ gồm giai đoạn tái cơ cấu hệ thống ngân hàng (2013-2015), giai đoạn tăng trưởng ổn định (2016-2019), giai đoạn biến động do đại dịch COVID-19 (2020-2021) và giai đoạn khủng hoảng bất động sản - áp lực nợ xấu gia tăng (2022-2023).
3. Làm rõ tính nghịch lý của Quy mô (SIZE) và Vốn chủ sở hữu (CAP): Cung cấp bằng chứng thực nghiệm phản bác giả thuyết truyền thống cho rằng ngân hàng lớn luôn có tốc độ tăng trưởng dư nợ nhanh hơn.

---

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng trong quản trị ngân hàng

• Phân bổ hạn mức tăng trưởng tín dụng (Credit Room Allocation): Hội đồng Quản trị và Ban Điều hành có thể dựa vào hệ số tương quan của ROA ($\beta = 3.42$) và SIZE ($\beta = -0.034$) để xây dựng công thức nội bộ phân bổ room tín dụng cho từng khối kinh doanh/chi nhánh dựa trên hiệu quả sinh lời thực tế thay vì chia đều theo quy mô tài sản.
• Chiến lược tối ưu hóa cấu trúc vốn (ALM Optimization): Cân bằng giữa tỷ lệ an toàn vốn (CAR) và tốc độ mở rộng tài sản sinh lời để không làm triệt tiêu động lực tăng trưởng tín dụng do tỷ lệ vốn tự có quá cao ($CAP = -0.78$).

Lộ trình triển khai hệ thống dự báo tín dụng

---

Hạn chế và hướng phát triển

Hạn chế kỹ thuật:

• Mẫu nghiên cứu giới hạn ở 20 NHTMCP, loại trừ các ngân hàng yếu kém thuộc diện kiểm soát đặc biệt hoặc thiếu dữ liệu xuyên suốt 11 năm.
• Mô hình FGLS tĩnh chưa kiểm soát triệt để hiện tượng nội sinh (Endogeneity) tiềm tàng giữa TTTD trễ ($CG_{t-1}$) và biến khả năng sinh lời ROA.

Hướng nghiên cứu tiếp theo:

• Ứng dụng mô hình GMM động (Dynamic System GMM - Blundell & Bond) để đưa biến trễ $CG_{t-1}$ vào phương trình giải thích.
• Bổ sung các biến kiểm soát vi mô hiện đại: Tỷ lệ an toàn vốn theo chuẩn Basel II/III (CAR), Tỷ lệ cấp tín dụng so với nguồn vốn huy động (LDR) và Tỷ lệ thu nhập lãi thuần (NIM).
• Mở rộng tập dữ liệu cho toàn bộ 31 NHTMCP và các ngân hàng liên doanh, chi nhánh ngân hàng nước ngoài tại Việt Nam.

---

Đối tượng hưởng lợi

• Sinh viên & Học viên cao học: Tiếp cận quy trình nghiên cứu chuẩn mực về kinh tế lượng dữ liệu bảng, hiểu rõ bản chất toán học từ Pooled OLS, FEM, REM đến thuật toán FGLS trên Stata 17.
• Chuyên viên phân tích dữ liệu & Quản trị rủi ro ngân hàng: Ứng dụng trực tiếp hệ số hồi quy định lượng để xây dựng mô hình dự báo tăng trưởng dư nợ hàng năm và mô phỏng tác động khi các chỉ tiêu tài chính thay đổi.
• Ban điều hành NHTMCP: Nhận diện được động lực cốt lõi thúc đẩy tín dụng là hiệu quả sinh lời (ROA) chứ không phải quy mô tài sản đơn thuần, từ đó định hình chiến lược tăng trưởng bền vững.
• Cơ quan quản lý nhà nước (NHNN): Bổ sung luận cứ khoa học để điều hành chính sách tiền tệ, linh hoạt cấp chỉ tiêu tín dụng phù hợp với đặc thù của từng nhóm ngân hàng thương mại.

---

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật phần mềm và cấu hình để chạy mô hình FGLS dữ liệu bảng?

Hệ thống yêu cầu cài đặt Stata 15.0 trở lên (khuyến nghị Stata 17.0 MP) hoặc môi trường Python 3.10+ tích hợp thư viện linearmodels.panel.FGLS. Cấu hình máy tính tối thiểu 8GB RAM, bộ xử lý đa nhân để xử lý ma trận hiệp phương sai sai số $220 \times 220$.

2. Tại sao nghiên cứu không dùng mô hình FEM sau khi đã vượt qua kiểm định Hausman?

Mặc dù kiểm định Hausman xác nhận mô hình tác động cố định (FEM) phù hợp hơn REM ($p = 0.0000$), nhưng các kiểm định chẩn đoán sau hồi quy chỉ ra FEM vi phạm nghiêm trọng 2 giả định cơ bản: phương sai sai số thay đổi (Modified Wald $p=0.0000$) và tự tương quan chuỗi bậc 1 (Wooldridge $p=0.0004$). Nếu giữ nguyên FEM, sai số chuẩn của các hệ số sẽ bị chệch, dẫn đến kết luận sai lệch về mặt thống kê.

3. Làm thế nào để tích hợp mô hình này vào hệ thống core banking hoặc data warehouse hiện có?

Dữ liệu đầu ra của mô hình được chuẩn hóa thành các vector trọng số $(\beta_1..\beta_7)$. Đội ngũ kỹ thuật có thể đóng gói logic này thành một REST API microservice (sử dụng Python FastAPI) nhận đầu vào là các chỉ tiêu kế toán quý/năm từ Core Banking để tự động tính toán dự báo dư nợ tín dụng kỳ tiếp theo.

4. Chi phí triển khai và bảo trì mô hình này trong thực tế là bao nhiêu?

Chi phí nghiên cứu và xây dựng mô hình gần như tối thiểu (chủ yếu là chi phí bản quyền Stata hoặc mã nguồn mở Python). Chi phí định kỳ chủ yếu nằm ở công tác thu thập, làm sạch dữ liệu BCTC kiểm toán và tái ước lượng (re-estimate) lại hệ số mô hình mỗi năm một lần sau mùa công bố báo cáo tài chính kiểm toán.

5. Tại sao hệ số biến quy mô ngân hàng (SIZE) lại mang dấu âm (-0.0342)?

Dấu âm phản ánh tính quy luật của tốc độ tăng trưởng tương đối. Các ngân hàng có quy mô tài sản lớn (nhóm Big4 và các ngân hàng top đầu) có quy mô dư nợ gốc hàng triệu tỷ đồng, do đó tốc độ tăng trưởng tính theo tỷ lệ phần trăm (%) sẽ chậm lại. Đồng thời, các ngân hàng này thường chịu sự giám sát chặt chẽ hơn về an toàn hệ thống và trần tín dụng từ NHNN.

---

Kết luận

Đề tài đã hoàn thành xuất sắc việc giải mã các nhân tố quyết định đến tốc độ tăng trưởng tín dụng tại 20 NHTMCP Việt Nam giai đoạn 2013–2023. Bằng việc thực thi chuỗi kiểm định khoa học và chuẩn hóa qua mô hình hồi quy FGLS, nghiên cứu chứng minh rằng năng lực sinh lời (ROA) và tăng trưởng kinh tế vĩ mô (GDP) là hai đòn bẩy tích cực lớn nhất, trong khi quy mô tài sản (SIZE) và tỷ lệ vốn chủ sở hữu (CAP) có tác động kiềm chế tốc độ tăng trưởng tín dụng tương đối.

Kết quả này cung cấp cơ sở dữ liệu định lượng giá trị giúp các nhà quản trị ngân hàng chuyển đổi tư duy điều hành từ "tăng trưởng nóng theo quy mô" sang "tăng trưởng chiều sâu theo hiệu quả sinh lời và chất lượng tài sản". Để tối ưu hóa hoạt động tín dụng trong giai đoạn mới, các ngân hàng cần đẩy mạnh số hóa quy trình thẩm định, cải thiện biên lợi nhuận ròng và thiết lập các kịch bản tín dụng thích ứng linh hoạt với biến động vĩ mô.

Trích đoạn nội dung tài liệu

CHƯƠNG 1 Trong chương đầu tiên, tác giả đã trình bày tính cấp thiết và lý do lựa chọn đề tài “Các nhân tố ảnh hưởng đến tăng trưởng tín dụng tại các Ngân hàng Thương mại Cổ phần Việt Nam”. Các vấn đề liên quan như mục tiêu, đối tượng, phạm vi nghiên cứu và phương pháp nghiên cứu chủ yếu được áp dụng là định lượng, đều đã được làm rõ. Dữ liệu được tổng hợp từ 20 NHTM Cổ phần Việt Nam từ năm 2013 đến năm 2023. Trong chương tiếp theo, tác giả sẽ trình bày cụ thể về cơ sở lý thuyết và các công trình nghiên cứu trước đây về các nhân tố ảnh hưởng đến TTTD tại các NHTM Cổ phần Việt Nam.

7 CHƯƠNG 2: CƠ SỞ LÝ LUẬN VỀ TĂNG TRƯỞNG TÍN DỤNG VÀ CÁC NGHIÊN CỨU TRƯỚC Chương 2 của khóa luận cung cấp một cái nhìn tổng quan về cơ sở lý thuyết liên quan đến nghiên cứu. Nội dung bao gồm các khái niệm về NHTM, tín dụng và TTTD, cũng như các chỉ tiêu đo lường TTTD của NHTM. Ngoài ra, chương này còn tổng hợp và đánh giá các nghiên cứu trước đây về những nhân tố tác động đến TTTD của các NHTM, nhằm tạo nền tảng cho việc kế thừa và hoàn thiện mô hình nghiên cứu được trình bày trong chương kế tiếp. Tổng quan về ngân hàng thương mại Theo Mishkin (2018), NH là một tổ chức tài chính có vai trò nhận tiền gửi từ khách hàng và cung cấp các khoản vay để hỗ trợ tài chính cho cá nhân và doanh nghiệp.

Các dịch vụ của NH bao gồm quản lý tài khoản, thanh toán và chuyển tiền, đồng thời NH cũng có vai trò quan trọng trong việc điều tiết và ổn định nền kinh tế. NHTM tập trung vào phục vụ các nhu cầu tài chính của cá nhân và doanh nghiệp, trong khi NH trung ương, chẳng hạn như NH Nhà nước Việt Nam, chịu trách nhiệm giám sát hệ thống NH và thực thi các chính sách tiền tệ để kiểm soát và duy trì sự ổn định kinh tế vĩ mô. Theo khoản 21, Điều 4 của Luật Các Tổ Chức Tín Dụng Việt Nam (2024), NH được định nghĩa là tổ chức tín dụng có quyền thực hiện các hoạt động NH bao gồm nhận tiền gửi, cấp tín dụng, thanh toán và các dịch vụ khác liên quan đến tiền tệ. Theo Luật Các Tổ Chức Tín Dụng Việt Nam (2024), NHTM được định nghĩa tại Khoản 23, Điều 4 như sau: “Ngân hàng thương mại là loại hình ngân hàng được thực hiện tất cả hoạt động ngân hàng và hoạt động kinh doanh khác theo quy định của Luật này nhằm mục tiêu lợi nhuận.

Do đó, NHTM là tổ chức tín dụng được thành lập và hoạt động chủ yếu với mục đích kiếm lợi nhuận từ các dịch vụ tài chính và NH mà nó cung cấp. Vai trò của NHTM Nguyễn Xuân Hoan (2019) đã chỉ ra rằng: “Thứ nhất, ngân hàng thương mại là công cụ quan trọng thúc đẩy, phát triển của sản xuất lưu thông hàng hóa. Thông qua chức năng huy động vốn, cùng với vai trò làm 8 trung gian thanh toán. Ngân hàng thương mại giống như một 'chất bôi trơn' luân chuyển làm cho bộ máy kinh tế hoạt động hiệu quả.

Thứ hai, là công cụ thực hiện chính sách tiền tệ của Ngân hàng trung ương, để điều tiết lượng tiền lưu thông trong nền kinh tế vĩ mô, đặc biệt là mục tiêu ổn định tiền tệ. Tổng quan về tín dụng ngân hàng Theo Anh và cộng sự (2009), tín dụng NH là hoạt động cho vay vốn của các NHTM nhằm đáp ứng nhu cầu vốn của các cá nhân và doanh nghiệp. Đây là một trong những hoạt động cốt lõi và quan trọng nhất của NH, góp phần thúc đẩy sự phát triển kinh tế bằng cách cung cấp nguồn vốn cho các hoạt động sản xuất kinh doanh và tiêu dùng. Tín dụng NH không chỉ giúp tăng cường khả năng tiếp cận vốn của các chủ thể kinh tế mà còn đóng vai trò quan trọng trong việc ổn định và phát triển hệ thống tài chính của quốc gia.

Theo Nguyễn Minh Kiều (2007), tín dụng NH là hoạt động mà các NHTM cung cấp các khoản vay cho cá nhân và doanh nghiệp nhằm đáp ứng nhu cầu vốn cho sản xuất, kinh doanh, và tiêu dùng. Tín dụng NH là một nghiệp vụ cốt lõi của NH, đóng vai trò quan trọng trong việc thúc đẩy phát triển kinh tế thông qua việc cung cấp nguồn vốn cần thiết. Tóm lại, tín dụng NH là nghiệp vụ mà NHTM cung cấp nguồn vốn nhàn rỗi cho các chủ thể cần sử dụng vốn phục vụ cho nhu cầu sản xuất, kinh doanh và tiêu dùng, đồng thời các chủ thể cam kết hoàn trả cả vốn và lãi trong khoảng thời gian đã thỏa thuận. Bên cạnh đó, đây còn được xem là nghiệp vụ cốt lõi, đóng vai trò quan trọng mang lại nguồn thu cho NH và trong việc thúc đẩy phát triển kinh tế.

CHỈ TIÊU ĐO LƯỜNG TĂNG TRƯỞNG TÍN DỤNG CỦA NGÂN HÀNG THƯƠNG MẠI Tăng trưởng tín dụng Theo Nguyễn Văn Tiến (2013), TTTD là một trong những nhân tố chính ảnh hưởng đến sự phát triển của NHTM. TTTD đề cập đến sự gia tăng vốn huy động, từ đó gia tăng các khoản vay mà các NH cung cấp cho cá nhân và doanh nghiệp nhằm mục đích nâng cao lợi nhuận, thương hiệu và thị phần. Tín dụng không chỉ cung cấp nguồn vốn cần thiết cho các hoạt động sản xuất, kinh doanh và tiêu dùng, mà còn góp phần thúc đẩy tăng trưởng kinh tế, tạo việc làm, và ổn định thị trường tài chính. TTTD là một dấu 9 hiệu quan trọng cho thấy nền kinh tế đang hoạt động hiệu quả và có tiềm năng phát triển.

Tốc độ TTTD Tốc độ TTTD là một chỉ tiêu quan trọng trong việc đánh giá hoạt động của hệ thống NH và tác động của nó đến nền kinh tế. Nó phản ánh sự gia tăng trong khối lượng tín dụng mà các NH cung cấp cho các cá nhân và doanh nghiệp trong một khoảng thời gian nhất định. Hơn nữa, tốc độ TTTD giúp phân tích mức độ tiếp cận vốn của doanh nghiệp và cá nhân, từ đó đánh giá được khả năng hỗ trợ của hệ thống NH đối với các hoạt động sản xuất, kinh doanh và tiêu dùng. Sự thay đổi trong tốc độ TTTD còn là một chỉ báo quan trọng cho thấy sự ổn định và sức khỏe của hệ thống tài chính, giúp nhận diện sớm các rủi ro tiềm ẩn.

Việc duy trì tốc độ TTTD hợp lý là cần thiết để đảm bảo sự phát triển kinh tế bền vững và ổn định, đồng thời giảm thiểu rủi ro cho hệ thống tài chính. Theo Igan và Pinheiro (2011), TTTD thường được đo lường bằng sự thay đổi trong tổng dư nợ tín dụng của các NH trong một khoảng thời gian nhất định, chẳng hạn như hàng năm hoặc hàng quý. Cụ thể, tốc độ TTTD có thể được tính bằng tỷ lệ phần trăm thay đổi của tổng dư nợ tín dụng từ đầu kỳ đến cuối kỳ. Công thức tính như sau: 𝐷ư 𝑛ợ 𝑡í𝑛 𝑑ụ𝑛𝑔 𝑐𝑢ố𝑖 𝑘ỳ − 𝐷ư 𝑛ợ 𝑡í𝑛 𝑑ụ𝑛𝑔 đầ𝑢 𝑘ỳ Tốc độ TTTD = 𝐷ư 𝑛ợ 𝑡í𝑛 𝑑ụ𝑛𝑔 đầ𝑢 𝑘ỳ 2.

CÁC NHÂN TỐ TÁC ĐỘNG ĐẾN TTTD 2. Các nhân tố bên trong Quy Mô NH Quy mô NH, được đo lường bằng tổng tài sản của NH, đây là một nhân tố quan trọng ảnh hưởng đến khả năng thúc đẩy TTTD của NH. Các NH có quy mô lớn thường huy động vốn tốt hơn nhờ vào uy tín và tiềm lực tài chính mạnh mẽ. Quy mô lớn cũng giúp NH đa dạng hóa danh mục cho vay, từ đó giảm thiểu rủi ro tín dụng.

Nguyễn Xuân Hoan (2019) cho rằng: “Các ngân hàng lớn sẽ có nhiều cơ hội để đa dạng hơn với nguồn vốn lớn và khả năng tiếp cận nhiều đến các khách hàng, từ đó dư nợ tín dụng và TTTD tại các ngân hàng sẽ cao hơn”. Lợi nhuận trên tổng tài sản (ROA) 10 ROA là một chỉ số quan trọng đánh giá mức độ hiệu quả của NH trong việc sinh lợi từ tổng tài sản. ROA cao cho thấy NH đang sử dụng tài sản của mình một cách hiệu quả để tạo ra lợi nhuận, từ đó có thể nâng cao khả năng cấp tín dụng. Theo Nguyễn Minh Kiều (2008), các NH có ROA cao thường có nguồn lực tài chính dồi dào để đáp ứng nhu cầu vay vốn của khách hàng, điều này thúc đẩy TTTD.

Ngược lại, một ROA thấp có thể cho thấy hiệu quả hoạt động kém, làm giảm khả năng cấp tín dụng và tiềm ẩn rủi ro tài chính. Tỷ lệ nợ xấu (NPLR) Nợ xấu là chỉ số phản ánh chất lượng tín dụng của NH và ảnh hưởng trực tiếp đến khả năng TTTD. Theo nghiên cứu của Nguyễn Bá Hoàng (2019), tỷ lệ nợ xấu cao có thể làm giảm khả năng mở rộng tín dụng của NH, do NH phải dự phòng nhiều hơn cho các khoản nợ xấu, từ đó làm giảm khả năng cấp phát tín dụng. Nghiên cứu này chỉ ra rằng các NH với tỷ lệ nợ xấu cao thường gặp khó khăn trong việc duy trì sự ổn định và hiệu quả của hoạt động cho vay.

Nghiên cứu của Phạm Xuân Quỳnh (2017) cũng xác nhận mối liên hệ này, cho rằng tỷ lệ nợ xấu có mối liên hệ nghịch biến với TTTD. Tác giả chỉ ra rằng nợ xấu làm tăng chi phí dự phòng, dẫn đến việc các NH phải giảm quy mô cho vay để giảm thiểu rủi ro tài chính, điều này tác động đến khả năng mở rộng tín dụng. Thanh khoản Tỷ lệ thanh khoản của một NH được xem là thước đo dùng để đánh giá khả năng đáp ứng các nghĩa vụ tài chính ngắn hạn của NH bằng tiền mặt và các tài sản có tính thanh khoản cao. Theo nghiên cứu của Nguyễn Bá Hoàng (2019), tỷ lệ thanh khoản cao giúp NH đảm bảo nguồn vốn cần thiết để đáp ứng nhu cầu vay vốn của khách hàng một cách kịp thời.

Khi NH duy trì mức thanh khoản tốt, họ không chỉ giảm thiểu rủi ro tài chính mà còn tăng cường khả năng mở rộng và phát triển hoạt động cho vay. Kết quả nghiên cứu cho thấy mối liên hệ đồng biến giữa thanh khoản và TTTD, nhấn mạnh rằng thanh khoản cao góp phần thúc đẩy tốc độ TTTD của NH. Quy mô vốn chủ sở hữu Vốn chủ sở hữu (VCSH) cho thấy năng lực tài chính và khả năng chống chịu rủi ro của NH, thông qua đó tác động đến khả năng cấp tín dụng. Những NH có quy mô VCSH lớn thường có khả năng duy trì hoặc mở rộng hoạt động tín dụng tốt hơn, nhờ vào sự 11 ổn định tài chính và nguồn lực dồi dào.