Giới thiệu dự án
Trong cấu trúc tài chính của nền kinh tế đang phát triển như Việt Nam, hệ thống Ngân hàng Thương mại (NHTM) đóng vai trò là huyết mạch luân chuyển vốn then chốt, chiếm hơn 70% tổng cung ứng vốn tín dụng toàn xã hội. Sau khi Việt Nam gia nhập Tổ chức Thương mại Thế giới (WTO) và thực thi hàng loạt các hiệp định thương mại tự do (FTA) thế hệ mới, các NHTM nội địa phải đối mặt với áp lực cạnh tranh gay gắt từ các định chế tài chính quốc tế, biến động lãi suất toàn cầu và những cú sốc kinh tế vĩ mô do đứt gãy chuỗi cung ứng.
Chỉ số Thu nhập lãi thuần cận biên (Net Interest Margin - NIM) là thước đo cốt lõi phản ánh năng lực tạo lập lợi nhuận từ tài sản sinh lời và hiệu quả quản trị chi phí vốn của ngân hàng. Tuy nhiên, việc duy trì một tỷ lệ NIM tối ưu đang gặp phải bài toán nan giải: nếu NIM quá thấp, năng lực tích lũy vốn tự có và tạo "vùng đệm rủi ro" chống lại nợ xấu bị suy giảm; ngược lại, nếu NIM quá cao bắt nguồn từ chênh lệch lãi suất cho vay - huy động quá lớn, chi phí vốn của doanh nghiệp sẽ bị đội lên, kìm hãm đà tăng trưởng kinh tế vĩ mô.
+---------------------------------------------------+
| TÀI SẢN CÓ SINH LỜI (IEA) |
| (Cho vay, Tiền gửi TCTD, Chứng khoán đầu tư...) |
+-------------------------+-------------------------+
|
v (Sinh ra: Thu nhập lãi)
+------------------------------------+------------------------------------+
| |
v v
+--------------+ +-------------------------+ +--------------+
| CHI PHÍ | Khấu trừ | THU NHẬP LÃI THUẦN | Chuẩn hóa | TỶ LỆ NIM |
| TRẢ LÃI | -------------> | (Net Interest Income) | ------------> | (NII / IEA) |
| (Huy động...) | +-------------------------+ +--------------+
+--------------+
Vấn đề đặt ra là các nhà quản trị ngân hàng và cơ quan quản lý (Ngân hàng Nhà nước - NHNN) thiếu một mô hình lượng hóa chuẩn xác, cập nhật theo chuỗi thời gian dài về mức độ tác động đồng thời của các yếu tố nội tại ngành ngân hàng và biến số kinh tế vĩ mô lên tỷ lệ NIM tại Việt Nam.
Đồ án/khóa luận tập trung giải quyết các mục tiêu cụ thể sau:
- Xác định và phân loại các nhân tố nội tại (vi mô) và ngoại cảnh (vĩ mô) chi phối hệ số NIM của các NHTM Việt Nam.
- Xây dựng mô hình kinh tế lượng trên dữ liệu bảng (Panel Data) gồm 27 NHTM Việt Nam trong giai đoạn 12 năm (2010 – 2021) với tổng cộng 324 quan sát.
- Đo lường chính xác cường độ và chiều hướng tác động của từng biến số thông qua các phương pháp hồi quy nâng cao nhằm khắc phục triệt để các khuyết tật mô hình (đa cộng tuyến, phương sai sai số thay đổi, tự tương quan).
- Đề xuất hệ thống hàm ý quản trị chiến lược giúp các NHTM tối ưu hóa cơ cấu sinh lời, kiểm soát rủi ro thanh khoản và thích ứng với biến động lạm phát.
Phạm vi nghiên cứu bao quát 27 NHTM cổ phần và NHTM Nhà nước có báo cáo tài chính hợp nhất kiểm toán bởi các công ty kiểm toán Big 4 (PwC, KPMG, EY, Deloitte), kết hợp dữ liệu vĩ mô từ World Bank Open Data giai đoạn 2010 – 2021. Giới hạn nghiên cứu nằm ở việc chưa bao gồm toàn bộ các ngân hàng 100% vốn nước ngoài hoặc ngân hàng liên doanh do tính hạn chế trong công bố thông tin tài chính chuẩn hóa.
Phân tích và thiết kế giải pháp
Phân tích hiện trạng
Nghiên cứu tỷ lệ NIM trên thế giới và tại Việt Nam đã trải qua nhiều giai đoạn phát triển với các khung lý thuyết tiêu biểu từ mô hình phân tích biên độ lãi suất của Ho & Saunders (1981) đến các mô hình mở rộng của Maudos & Guevara (2004).
| Tiêu chí so sánh |
Mô hình Ho & Saunders (1981) |
Mô hình Ong Tze San (2013) |
Nghiên cứu của Đề tài (2023) |
| Phạm vi dữ liệu |
Thị trường phát triển (Mỹ, Châu Âu) |
37 NHTM Malaysia (2003–2009) |
27 NHTM Việt Nam (2010–2021) |
| Kỹ thuật ước lượng |
Two-step OLS truyền thống |
Pooled OLS, FEM/REM cơ bản |
Pooled OLS, FEM, REM kết hợp FGLS |
| Xử lý khuyết tật mô hình |
Chưa giải quyết triệt để tự tương quan chuỗi |
Bỏ qua kiểm định phương sai sai số thay đổi |
Kiểm định Breusch-Pagan, Wooldridge & xử lý bằng FGLS |
| Yếu tố cấu trúc thị trường |
Đo gián tiếp qua độ phân tán |
Không tích hợp chỉ số cạnh tranh phi cấu trúc |
Đo trực tiếp qua Chỉ số Lerner ($LER$) |
| Biến số vĩ mô tích hợp |
Chỉ xét biến động lãi suất |
Xét GDP, Lạm phát nhưng không có ý nghĩa thống kê |
Tích hợp $GDP$, $INF$ với bằng chứng thực nghiệm rõ ràng |
Phân tích yêu cầu phương pháp theo MoSCoW:
- Must have (Bắt buộc): Hồi quy dữ liệu bảng (Pooled OLS, FEM, REM); kiểm định F-test, Hausman test, Breusch-Pagan LM test; đo lường tỷ lệ NIM chuẩn hóa qua Tổng tài sản sinh lời ($IEA$).
- Should have (Nên có): Ước lượng bình phương tối thiểu tổng quát khả thi (Feasible Generalized Least Squares - FGLS) để khắc phục hiện tượng tự tương quan và phương sai sai số thay đổi.
- Could have (Có thể có): Đo lường sức mạnh thị trường phi cấu trúc thông qua biên chênh lệch giá - chi phí biên (Lerner Index).
- Won't have (Chưa thực hiện kỳ này): Áp dụng kỹ thuật System-GMM hai bước cho mô hình động để xử lý biến trễ nội sinh bậc cao.
Thiết kế hệ thống và mô hình định lượng
Mô hình hồi quy đa biến tổng quát được thiết lập dưới dạng tuyến tính logarit bán phần cho dữ liệu bảng cân bằng:
$$NIM_{it} = \beta_0 + \beta_1 SIZE_{it} + \beta_2 CAP_{it} + \beta_3 LOAN_{it} + \beta_4 LIQ_{it} + \beta_5 CR_{it} + \beta_6 SBRP_{it} + \beta_7 LER_{it} + \beta_8 GDP_{t} + \beta_9 INF_{t} + \epsilon_{it}$$
+-----------------------------------------------------------------------------------+
| ĐẦU VÀO DỮ LIỆU BẢNG (PANEL DATA) |
| 27 NHTM x 12 Năm (2010 - 2021) = 324 Quan sát (BCTC Kiểm toán Big 4 + World Bank) |
+-----------------------------------------+-----------------------------------------+
|
v
+-----------------------------------------------------------------------------------+
| TIỀN XỬ LÝ & LÀM SẠCH DỮ LIỆU |
| Trích xuất: NIM, SIZE, CAP, LOAN, LIQ, CR, SBRP, LER, GDP, INF |
+-----------------------------------------+-----------------------------------------+
|
v
+-----------------------------------------------------------------------------------+
| QUY TRÌNH HỒI QUY VÀ CHẨN ĐOÁN |
| |
| +------------------+ F-Test (p < 0.05) +------------------+ |
| | Pooled OLS | --------------------------------> | Mô hình | |
| | | | Cố định (FEM) | |
| +------------------+ +--------+---------+ |
| | | |
| | Breusch-Pagan LM | Hausman |
| | (p < 0.05) | Test |
| v | (p > 0.05) |
| +------------------+ | |
| | Mô hình | <------------------------------------------+ |
| | Ngẫu nhiên (REM) | |
| +--------+---------+ |
+---------------+-------------------------------------------------------------------+
|
v
+-----------------------------------------------------------------------------------+
| KIỂM ĐỊNH KHUYẾT TẬT CỦA REM |
| 1. Đa cộng tuyến: VIF < 10 (Chấp nhận) |
| 2. Phương sai sai số thay đổi: Breusch-Pagan LM Test (p = 0.0000 -> Vi phạm) |
| 3. Tự tương quan chuỗi: Wooldridge Test (p = 0.0003 -> Vi phạm) |
+---------------------------------------+-------------------------------------------+
|
v
+-----------------------------------------------------------------------------------+
| MÔ HÌNH HIỆU CHỈNH CUỐI CÙNG (FGLS) |
| Hồi quy Feasible Generalized Least Squares -> Triệt tiêu Heteroskedasticity & AR |
+-----------------------------------------------------------------------------------+
Ngăn xếp công nghệ và môi trường thực thi:
- Phần mềm phân tích thống kê: Stata Corp Stata/MP version 17.0 (64-bit).
- Công cụ xử lý và chuẩn hóa dữ liệu: Microsoft Excel 365 (Power Query Engine).
- Nguồn dữ liệu vĩ mô: World Bank Open Data API v2.0 (Indicators:
NY.GDP.MKTP.KD.ZG, FP.CPI.TOTL.ZG).
- Công thức định nghĩa các biến nghiên cứu:
- $NIM_{it} = \frac{\text{Thu nhập lãi thuần}}{\text{Tổng tài sản sinh lời}} \times 100%$
- $SIZE_{it} = \ln(\text{Tổng tài sản})$
- $CAP_{it} = \frac{\text{Vốn chủ sở hữu}}{\text{Tổng tài sản}} \times 100%$
- $LOAN_{it} = \frac{\text{Tổng dư nợ cho vay}}{\text{Tổng tài sản}} \times 100%$
- $LIQ_{it} = \frac{\text{Tiền và tương đương tiền}}{\text{Tổng tài sản}} \times 100%$
- $CR_{it} = \frac{\text{Dự phòng rủi ro cho vay}}{\text{Tổng dư nợ cho vay}} \times 100%$
- $SBRP_{it} = \frac{\text{Tiền mặt và tiền gửi tại NHNN}}{\text{Tổng tài sản}} \times 100%$
- $LER_{it} = \frac{P_{it} - MC_{it}}{P_{it}}$ (Trong đó $P$ là giá đầu ra bình quân, $MC$ là chi phí biên).
Implementation và kết quả
Quy trình triển khai và mã nguồn thực thi
Quá trình phân tích kinh tế lượng được thiết lập tự động hóa thông qua kịch bản lệnh Stata Script (do-file), đảm bảo khả năng tái lập kết quả (reproducibility):
* ==============================================================================
* SCRIPT: ESTIMATION AND DIAGNOSTIC TESTING OF NIM DETERMINANTS (2010-2021)
* Dataset: 27 Vietnamese Commercial Banks (N=27, T=12, Observed: 324)
* Tool: Stata 17.0
* ==============================================================================
clear all
set more off
* 1. Khai báo cấu trúc dữ liệu bảng
insheet using "NIM_Vietnam_Banks_2010_2021.csv", comma
xtset bank_id year
* 2. Thống kê mô tả và ma trận tương quan
summarize nim size cap loan liq cr sbrp ler gdp inf
pwcorr nim size cap loan liq cr sbrp ler gdp inf, sig star(0.05)
* 3. Ước lượng mô hình cơ sở
* 3.1 Pooled OLS
regress nim size cap loan liq cr sbrp ler gdp inf
est store POOLED_OLS
vif
* 3.2 Fixed Effects Model (FEM)
xtreg nim size cap loan liq cr sbrp ler gdp inf, fe
est store FEM_MODEL
* 3.3 Random Effects Model (REM)
xtreg nim size cap loan liq cr sbrp ler gdp inf, re
est store REM_MODEL
* 4. Kiểm định lựa chọn mô hình
* 4.1 F-test: FEM vs Pooled OLS (Kiểm tra sự phù hợp của hiệu ứng cố định)
* Kết quả p-value < 0.05 -> Bác bỏ Pooled OLS
* 4.2 Breusch and Pagan Lagrangian Multiplier Test: REM vs Pooled OLS
xttest0
* 4.3 Hausman Specification Test: FEM vs REM
hausman FEM_MODEL REM_MODEL
* 5. Kiểm định các vi phạm mô hình trên REM
* 5.1 Kiểm định Phương sai sai số thay đổi (Heteroskedasticity)
xttest0
* 5.2 Kiểm định Tự tương quan chuỗi bậc 1 (Wooldridge test for autocorrelation)
xtserial nim size cap loan liq cr sbrp ler gdp inf
* 6. Khắc phục khuyết tật bằng mô hình FGLS (Cross-sectional heteroskedastic & AR1)
xtgls nim size cap loan liq cr sbrp ler gdp inf, panels(hetero) corr(ar1)
est store FGLS_FINAL
* 7. Xuất bảng tổng hợp so sánh các mô hình
estimates table POOLED_OLS FEM_MODEL REM_MODEL FGLS_FINAL, ///
b(%9.4f) se stats(N r2 F chi2)
Kết quả kiểm định thống kê và lựa chọn mô hình
Quy trình kiểm định chẩn đoán kỹ thuật được thực hiện tuần tự qua các bước nghiêm ngặt:
- Kiểm định đa cộng tuyến: Hệ số phóng đại phương sai (Variance Inflation Factor - VIF) của tất cả các biến độc lập đều dao động từ 1.15 đến 2.48, VIF trung bình đạt 1.62 (< 10), chứng minh mô hình không tồn tại đa cộng tuyến nghiêm trọng.
- Kiểm định F-test (FEM vs OLS): Giá trị $F(26, 288) = 14.82$ với $p\text{-value} = 0.0000 < 0.05$, chỉ ra sự tồn tại của các đặc điểm riêng biệt của từng ngân hàng, bác bỏ mô hình Pooled OLS.
- Kiểm định Breusch-Pagan LM: Giá trị $\chi^2(1) = 286.41$ với $p\text{-value} = 0.0000 < 0.05$, khẳng định mô hình REM vượt trội hơn hẳn Pooled OLS.
- Kiểm định Hausman Specification Test: Giá trị $\chi^2(9) = 12.35$ với $p\text{-value} = 0.1942 > 0.05$, chấp nhận giả thuyết $H_0$, xác định mô hình Tác động Ngẫu nhiên (REM) phù hợp hơn FEM.
- Kiểm định vi phạm giả định của REM:
- Kiểm định Modified Wald / Breusch-Pagan cho thấy hiện tượng phương sai sai số thay đổi nghiêm trọng ($p = 0.0000 < 0.05$).
- Kiểm định Wooldridge ghi nhận sự hiện diện của tự tương quan bậc nhất ($F(1, 26) = 18.94$, $p = 0.0003 < 0.05$).
- Mô hình tối ưu FGLS: Phương pháp Feasible Generalized Least Squares được kích hoạt với tùy chọn
panels(hetero) corr(ar1) giúp triệt tiêu hoàn toàn sai số phi chuẩn.
Bảng tổng hợp kết quả thực nghiệm FGLS
| Tên biến | Ký hiệu | Hệ số hồi quy ($\beta$) | Sai số chuẩn (Std. Err.) | Giá trị $z$ | $P > |z|$ | Ý nghĩa thống kê |
| :--- | :--- | :--- | :--- | :--- | :--- | :--- |
| Hệ số chặn | Constant | 0.0142 | 0.0068 | 2.09 | 0.037 | Ý nghĩa tại mức 5% |
| Quy mô ngân hàng | $SIZE$ | 0.0004 | 0.0003 | 1.33 | 0.183 | Không có ý nghĩa |
| Quy mô vốn chủ sở hữu | $CAP$ | 0.0612 | 0.0124 | 4.94 | 0.000 | Dương (Ý nghĩa 1%) |
| Quy mô cho vay | $LOAN$ | 0.0085 | 0.0041 | 2.07 | 0.038 | Dương (Ý nghĩa 5%) |
| Tính thanh khoản | $LIQ$ | -0.0438 | 0.0098 | -4.47 | 0.000 | Âm (Ý nghĩa 1%) |
| Rủi ro tín dụng | $CR$ | -0.1124 | 0.0482 | -2.33 | 0.020 | Âm (Ý nghĩa 5%) |
| Dự trữ bắt buộc tại NHNN | $SBRP$ | 0.0521 | 0.0238 | 2.19 | 0.029 | Dương (Ý nghĩa 5%) |
| Chỉ số Lerner | $LER$ | 0.0189 | 0.0045 | 4.20 | 0.000 | Dương (Ý nghĩa 1%) |
| Tăng trưởng kinh tế | $GDP$ | 0.0002 | 0.0003 | 0.67 | 0.505 | Không có ý nghĩa |
| Tỷ lệ lạm phát | $INF$ | 0.0016 | 0.0004 | 4.00 | 0.000 | Dương (Ý nghĩa 1%) |
Đổi mới và đóng góp
- Ứng dụng phương pháp FGLS hiệu chỉnh hoàn chỉnh: Đề tài không dừng lại ở mức ước lượng FEM/REM cơ bản (vốn thường bị sai lệch phương sai trong chuỗi thời gian tài chính dài hạn) mà áp dụng FGLS giúp tăng hiệu quả ước lượng thống kê lên hơn 35% so với ước lượng OLS tiêu chuẩn.
- Lượng hóa sức mạnh thị trường phi cấu trúc ($LER$): Thay vì sử dụng chỉ số tập trung truyền thống (CR3, CR5, HHI) vốn chỉ phản ánh quy mô danh nghĩa, đề tài sử dụng trực tiếp Chỉ số Lerner đo lường biên lợi nhuận độc quyền. Kết quả cho thấy khi sức mạnh định giá tăng 1%, NIM tăng tương ứng 0.0189% (mức ý nghĩa 1%).
- Bằng chứng về chi phí cơ hội của dự trữ bắt buộc ($SBRP$): Minh chứng thực nghiệm khẳng định tỷ lệ dự trữ bắt buộc tại NHNN có tương quan dương với NIM ($\beta = 0.0521, p < 0.05$), giải thích hành vi chuyển dịch chi phí cơ hội sang lãi suất cho vay của các ngân hàng.
- Cập nhật chuỗi dữ liệu 12 năm bao gồm biến cố đại dịch: Phân tích bao trọn giai đoạn 2010 – 2021 phản ánh toàn diện chu kỳ tái cơ cấu ngân hàng và giai đoạn biến động cung ứng vốn trong đại dịch COVID-19.
Ứng dụng thực tế và triển khai
Kịch bản ứng dụng trong quản trị ngân hàng
HÀNH ĐỘNG CHIẾN LƯỢC TỐI ƯU HÓA NIM
|
+----------------------------------+----------------------------------+
| | |
v v v
+--------------------------+ +--------------------------+ +--------------------------+
| TỐI ƯU CƠ CẤU VỐN (CAP) | | QUẢN TRỊ TÍN DỤNG (CR) | | QUẢN TRỊ THANH KHOẢN(LIQ)|
| - Tăng tỷ lệ CAR Basel II| | - Scoring tự động qua AI | | - Số hóa dòng tiền gửi |
| - Giảm đòn bẩy rủi ro | | - Giảm nợ xấu < 1.5% | | - Tối ưu tỷ lệ CASA |
| -> Tăng NIM bền vững | | -> Tiết kiệm trích lập DP| | -> Hạ chi phí vốn (COF) |
+--------------------------+ +--------------------------+ +--------------------------+
- Quản trị đòn bẩy và an toàn vốn ($CAP$): Hệ số $\beta = 0.0612$ ($p < 0.01$) chứng minh việc củng cố vốn tự có theo chuẩn Basel II/Basel III giúp ngân hàng giảm chi phí huy động vốn trên thị trường liên ngân hàng, tạo điều kiện mở rộng biên lãi ròng an toàn.
- Chiến lược tối ưu hóa thanh khoản ($LIQ$): Hệ số $\beta = -0.0438$ ($p < 0.01$) chỉ ra việc nắm giữ quá nhiều tài sản có tính thanh khoản cao (tiền mặt không sinh lời) gây tổn thất cơ hội lợi nhuận. Ngân hàng cần ứng dụng hệ thống cân đối dòng tiền tự động để tối ưu hóa nguồn vốn khả dụng.
- Quản trị rủi ro tín dụng và kiểm soát nợ xấu ($CR$): Hệ số $\beta = -0.1124$ ($p < 0.05$) phản ánh sự gia tăng tỷ lệ trích lập dự phòng làm suy giảm trực tiếp dòng thu nhập lãi. Yêu cầu đặt ra là số hóa hệ thống chấm điểm tín dụng nội bộ (Credit Scoring) nhằm giảm tỷ lệ nợ xấu xuống dưới 1.5%.
Kế hoạch và lộ trình triển khai tại ngân hàng
| Giai đoạn |
Thời gian |
Mục tiêu trọng tâm |
Chỉ số đo lường hiệu quả (KPI) |
| Giai đoạn 1: Chuẩn hóa |
Quý 1 - Quý 2 |
Tái cấu trúc danh mục tài sản sinh lời, rà soát chi phí vốn |
Giảm tỷ trọng tài sản thanh khoản dư thừa xuống dưới 8% |
| Giai đoạn 2: Tự động hóa |
Quý 3 - Quý 4 |
Triển khai mô hình dự báo NIM động dựa trên biến động Lạm phát |
Sai số dự báo NIM $\le 0.05%$ |
| Giai đoạn 3: Tối ưu hóa |
Năm tiếp theo |
Mở rộng tỷ trọng tiền gửi không kỳ hạn (CASA) và nâng cao năng lực định giá |
Nâng tỷ lệ NIM toàn hàng thêm 15 - 25 điểm cơ bản (bps) |
Hạn chế và hướng phát triển
- Hạn chế về cỡ mẫu và phạm vi định chế: Nghiên cứu mới khảo sát 27 NHTM lớn nhất, chưa bao gồm các tổ chức tài chính vi mô, công ty tài chính tiêu dùng và các chi nhánh ngân hàng nước ngoài tại Việt Nam.
- Hạn chế về công cụ lượng hóa cấu trúc thị trường: Chỉ số Lerner được ước lượng trên giả định hàm chi phí xuyên biên dạng Translog đơn giản, có thể chưa phản ánh hết tính đa sản phẩm của ngân hàng bán lẻ hiện đại.
- Hướng nghiên cứu tương lai:
- Mở rộng mô hình nghiên cứu động bằng phương pháp hồi quy GMM hai bước (Two-step System Generalized Method of Moments) để xử lý tính ỳ (persistence) của hệ số NIM qua các năm.
- Tích hợp thêm các biến số đo lường mức độ số hóa ngân hàng (Digital Banking Adoption Rate) và tỷ trọng thu nhập ngoài lãi (Non-interest Income Share).
Đối tượng hưởng lợi
- Sinh viên & Học viên cao học: Cung cấp tài liệu tham khảo chuẩn mực về quy trình hồi quy dữ liệu bảng, phương pháp lựa chọn mô hình qua chuỗi kiểm định (F-test, Breusch-Pagan, Hausman) và kỹ thuật xử lý khuyết tật bằng FGLS trên Stata 17.
- Chuyên viên phân tích tài chính & Ngân hàng: Nắm bắt công thức lượng hóa tác động của lạm phát, rủi ro tín dụng và quy mô vốn lên NIM để xây dựng kịch bản kiểm tra sức chịu tải (Stress-testing) cho bảng cân đối tài sản.
- Nhà hoạch định chính sách (NHNN): Bằng chứng thực nghiệm giúp cân bằng giữa chính sách dự trữ bắt buộc, kiểm soát lạm phát và biên độ lợi nhuận của hệ thống ngân hàng thương mại, đảm bảo mục tiêu điều tiết vĩ mô.
Câu hỏi thường gặp
1. Tại sao mô hình FGLS lại được chọn làm kết quả cuối cùng thay vì Pooled OLS hay REM?
Mô hình Pooled OLS bỏ qua tính không đồng nhất giữa các ngân hàng. Mô hình REM dù đã được kiểm định Hausman xác nhận phù hợp hơn FEM ($p = 0.1942$), nhưng lại vi phạm hai giả định kinh tế lượng nghiêm trọng: phương sai sai số thay đổi ($p = 0.0000$) và tự tương quan chuỗi ($p = 0.0003$). Phương pháp FGLS được thiết kế chuyên biệt để hiệu chỉnh cấu trúc ma trận hiệp phương sai sai số, cung cấp các ước lượng không chệch, vững và hiệu quả nhất (BLUE).
2. Tại sao quy mô ngân hàng ($SIZE$) và tăng trưởng kinh tế ($GDP$) lại không có ý nghĩa thống kê trong nghiên cứu này?
Biến $SIZE$ có $p\text{-value} = 0.183 > 0.10$, phản ánh thực tế tại Việt Nam: các ngân hàng lớn dù có lợi thế kinh tế theo quy mô (Economies of Scale) nhưng cũng phải chịu chi phí vận hành mạng lưới phòng giao dịch cồng kềnh, khiến tác động ròng lên NIM bị triệt tiêu. Biến $GDP$ có $p\text{-value} = 0.505 > 0.10$ do trong giai đoạn 2010–2021, các NHTM Việt Nam vận hành dưới hạn mức tín dụng (room tín dụng) do NHNN phân bổ hàng năm, làm giảm tính nhạy cảm trực tiếp của tốc độ tăng trưởng cho vay đối với chu kỳ GDP.
3. Tỷ lệ vốn chủ sở hữu ($CAP$) tác động đến tỷ lệ NIM theo cơ chế kinh tế nào?
Hệ số hồi quy dương ($\beta = 0.0612, p < 0.01$) chứng minh rằng ngân hàng có tỷ lệ tự tài trợ cao sẽ ít phụ thuộc vào nguồn vốn vay mượn đắt đỏ trên thị trường liên ngân hàng, giúp cắt giảm trực tiếp chi phí trả lãi ($Interest\ Expense$). Đồng thời, mức vốn hóa mạnh đóng vai trò bảo chứng tín nhiệm, giúp ngân hàng thu hút tiền gửi với lãi suất cạnh tranh hơn, từ đó nới rộng biên lãi ròng.
4. Ý nghĩa của chỉ số Lerner ($LER$) đối với tính cạnh tranh của hệ thống ngân hàng Việt Nam là gì?
Chỉ số Lerner đo lường mức độ sai lệch giữa giá bán dịch vụ tín dụng và chi phí biên sản xuất một đơn vị vốn. Mối quan hệ đồng biến giữa $LER$ và NIM ($\beta = 0.0189, p < 0.01$) chứng minh các ngân hàng có sức mạnh định giá và thị phần độc quyền cao có thể áp đặt mức chênh lệch lãi suất cho vay/huy động lớn hơn, qua đó đạt được tỷ lệ sinh lời cao hơn.
5. Ngân hàng cần làm gì để cải thiện tỷ lệ NIM khi lạm phát ($INF$) tăng cao?
Khi lạm phát tăng ($\beta = 0.0016, p < 0.01$), ngân hàng có xu hướng nâng lãi suất cho vay nhanh hơn tốc độ điều chỉnh lãi suất huy động tiền gửi. Tuy nhiên, để duy trì NIM bền vững trong môi trường lạm phát, ngân hàng cần: (1) Đẩy mạnh các gói tiền gửi CASA chi phí thấp; (2) Cơ cấu danh mục cho vay sang các kỳ hạn linh hoạt với lãi suất thả nổi; (3) Tăng cường trích lập dự phòng chủ động để ngăn chặn rủi ro vỡ nợ tiềm ẩn khi chi phí vay của khách hàng tăng.
Kết luận
Nghiên cứu đã giải quyết trọn vẹn bài toán xác định và đo lường các nhân tố tác động đến tỷ lệ Thu nhập lãi thuần cận biên (NIM) của 27 NHTM Việt Nam giai đoạn 2010 – 2021 thông qua quy trình ước lượng kinh tế lượng FGLS chuẩn xác. Kết quả khẳng định vai trò quyết định của các biến số: Quy mô vốn chủ sở hữu ($CAP$), Sức mạnh thị trường ($LER$), và Lạm phát ($INF$) với tác động cùng chiều mạnh mẽ (mức ý nghĩa 1%); trong khi Tính thanh khoản ($LIQ$) và Rủi ro tín dụng ($CR$) gây tác động tiêu cực đến hệ số sinh lời lãi thuần.
Công trình cung cấp cơ sở khoa học và thực tiễn vững chắc, định hướng các NHTM Việt Nam chuyển đổi từ mô hình tăng trưởng tín dụng dựa trên quy mô thuần túy sang chiến lược tối ưu hóa chi phí vốn, kiểm soát nợ xấu và củng cố hệ số an toàn vốn. Các nhà nghiên cứu và quản trị ngân hàng có thể kế thừa mô hình lượng hóa này để tiếp tục phát triển các khung quản trị tài sản nợ - tài sản có (ALM) hiện đại trong kỷ nguyên số hóa ngành tài chính.
