Khóa luận các yếu tố ảnh hưởng đến hệ số an toàn vốn của NHTMCP Việt Nam giai đoạn 2011-2022

Tìm hiểu các yếu tố tác động đến hệ số an toàn vốn (CAR) của ngân hàng TMCP Việt Nam. Phân tích chuyên sâu về quy mô, lãi suất, nợ xấu và các yếu tố vĩ mô.

• Tác giả: Võ Thị Lan Anh
• Người hướng dẫn: Ts. Trần Vương Thịnh
• Trường học: Trường Đại Học Ngân Hàng Tp. Hồ Chí Minh
• Chuyên ngành: Tài Chính – Ngân Hàng
• Đề tài: Các yếu tố ảnh hưởng đến hệ số an toàn vốn của Ngân hàng thương mại cổ phần Việt Nam
• Loại tài liệu: Khóa luận tốt nghiệp
• Năm xuất bản: 2024
• Địa điểm: Tp. Hồ Chí Minh

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• 1. CHƯƠNG 1: GIỚI THIỆU ĐỀ TÀI NGHIÊN CỨU
• 1.1. LÝ DO CHỌN ĐỀ TÀI
• 1.2. MỤC TIÊU CỦA ĐỀ TÀI
• 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 VÀ DỮ LIỆU NGHIÊN CỨU
• 1.5.1. Phương pháp nghiên cứu
• 1.5.2. Dữ liệu nghiên cứu
• 1.6. ĐÓNG GÓP CỦA ĐỀ TÀI
• 1.7. BỐ CỤC CỦA ĐỀ TÀI
• 2. CHƯƠNG 2: CƠ SỞ LÝ THUYẾT VỀ CÁC YẾU TỐ ẢNH HƯỞNG ĐẾN HỆ SỐ AN TOÀN VỐN CỦA NGÂN HÀNG THƯƠNG MẠI
• 2.1. CÁC HIỆP ƯỚC BASEL VỀ HỆ SỐ AN TOÀN VỐN
• 2.1.1. Basel I: Hiệp định vốn Basel
• 2.1.2. Basel II: Khuôn khổ mới
• 2.1.3. Basel III: Ứng phó với cuộc khủng hoảng tài chính 2008
• 2.1.4. So sánh ba khuôn khổ vốn
• 2.2. TỔNG QUAN VỀ HỆ SỐ AN TOÀN VỐN
• 2.2.1. Khái niệm hệ số an toàn vốn
• 2.2.2. Đo lường hệ số an toàn vốn
• 2.2.3. Đo lường hệ số an toàn vốn theo Hiệp ước Basel
• 2.2.4. Đo lường hệ số an toàn vốn theo quy định của NHNN Việt Nam
• 2.2.5. Ý nghĩa hệ số an toàn vốn
• 2.3. LƯỢC KHẢO CÁC NGHIÊN CỨU LIÊN QUAN
• 2.3.1. Các nghiên cứu nước ngoài
• 2.3.2. Các nghiên cứu trong nước
• 2.3.3. Nhận xét các nghiên cứu liên quan
• 2.4. CÁC YẾU TỐ ẢNH HƯỞNG ĐẾN HỆ SỐ AN TOÀN VỐN CỦA NHTM
• 2.4.1. Các yếu tố vi mô
• 2.4.1.1. Quy mô ngân hàng
• 2.4.1.2. Khả năng sinh lời
• 2.4.1.3. Tỷ lệ tiền gửi
• 2.4.1.4. Tỷ lệ nợ xấu
• 2.4.1.5. Hệ số đòn bẩy tài chính
• 2.4.1.6. Tỷ lệ cho vay
• 2.4.2. Các yếu tố vĩ mô
• 2.4.2.1. Tốc độ tăng trưởng kinh tế
• 2.4.2.2. Tỷ lệ lạm phát
• 3. CHƯƠNG 3: MÔ HÌNH NGHIÊN CỨU
• 3.1. TRÌNH TỰ THỰC HIỆN KINH TẾ LƯỢNG
• 3.2. MÔ HÌNH NGHIÊN CỨU
• 3.3. GIẢI THÍCH CÁC BIẾN TRONG MÔ HÌNH VÀ GIẢ THUYẾT NGHIÊN CỨU
• 3.3.1. Biến phụ thuộc
• 3.3.2. Biến độc lập
• 3.3.3. Quy mô ngân hàng (SIZE)
• 3.3.4. Khả năng sinh lời (ROA)
• 3.3.5. Tỷ lệ nợ xấu (NPL)
• 3.3.6. Tỷ lệ tiền gửi
• 3.3.7. Hệ số đòn bẩy tài chính (LEV)
• 3.3.8. Tỷ lệ cho vay (LOA)
• 3.3.9. Tốc độ tăng trưởng kinh tế (GDP)
• 3.3.10. Tỷ lệ lạm phát (INF)
• 3.4. DỮ LIỆU NGHIÊN CỨU
• 4. CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN
• 4.1. PHÂN TÍCH THỐNG KÊ MÔ TẢ
• 4.2. PHÂN TÍCH TƯƠNG QUAN
• 4.3. KIỂM ĐỊNH CÁC KHUYẾT TẬT CỦA MÔ HÌNH
• 4.3.1. Kiểm định đa cộng tuyến
• 4.3.2. Kiểm định phương sai sai số thay đổi
• 4.3.3. Kiểm định tự tương quan
• 4.3.4. Kiểm định nội sinh
• 4.4. KẾT QUẢ HỒI QUY MÔ HÌNH NGHIÊN CỨU
• 4.5. KIỂM ĐỊNH GIẢ THUYẾT NGHIÊN CỨU
• 4.6. THẢO LUẬN KẾT QUẢ NGHIÊN CỨU
• 4.6.1. Quy mô ngân hàng
• 4.6.2. Khả năng sinh lời
• 4.6.3. Tỷ lệ nợ xấu
• 4.6.4. Tỷ lệ tiền gửi
• 4.6.5. Hệ số đòn bẩy tài chính
• 4.6.6. Tỷ lệ cho vay
• 4.6.7. Tốc độ tăng trưởng kinh tế
• 4.6.8. Tỷ lệ lạm phát
• 5. CHƯƠNG 5: KẾT LUẬN VÀ ĐỀ XUẤT
• 5.1. ĐỀ XUẤT VÀ KIẾN NGHỊ
• 5.1.1. Đề xuất với các NHTMCP
• 5.1.2. Kiến nghị với Chính phủ
• 5.1.3. Kiến nghị với Ngân hàng nhà nước
• 5.2. HẠN CHẾ CỦA NGHIÊN CỨU VÀ HƯỚNG NGHIÊN CỨU TIẾP THEO
• 5.2.1. Hạn chế của nghiên cứu
• 5.2.2. Hướng nghiên cứu tiếp theo
• TÀI LIỆU THAM KHẢO
• PHỤ LỤC 1
• PHỤ LỤC 2
• PHỤ LỤC 3

Tóm tắt

I. Tổng Quan Hệ Số An Toàn Vốn CAR và NHTMCP Việt Nam

Trong bối cảnh hội nhập kinh tế quốc tế sâu rộng, ngành ngân hàng đóng vai trò then chốt trong sự phát triển kinh tế của Việt Nam. Hệ thống ngân hàng, được xem là xương sống của nền kinh tế, có nhiệm vụ quan trọng trong việc ổn định kinh tế vĩ mô, kiểm soát lạm phát và thúc đẩy tăng trưởng. Hệ số an toàn vốn (CAR) trở thành một trong những chỉ số quan trọng nhất để đánh giá sức khỏe và sự ổn định của hệ thống ngân hàng. Theo các nhà kinh tế học, sự ổn định của hệ thống ngân hàng có mối liên hệ mật thiết với sự ổn định của toàn bộ hệ thống tài chính. Do đó, việc nghiên cứu và đảm bảo an toàn vốn cho các NHTMCP Việt Nam là vô cùng quan trọng. Nghiên cứu này tập trung vào việc xác định các yếu tố ảnh hưởng đến CAR của các NHTMCP Việt Nam, từ đó đưa ra các kiến nghị và giải pháp nhằm nâng cao an toàn vốn và thúc đẩy sự phát triển bền vững của ngành.

1.1. Tầm quan trọng của hệ số an toàn vốn CAR trong NHTMCP

Hệ số an toàn vốn (CAR) là một chỉ số quan trọng đánh giá khả năng của một ngân hàng trong việc đáp ứng các nghĩa vụ tài chính và chịu đựng các rủi ro. CAR giúp các NHTMCP duy trì sự ổn định tài chính, thu hút vốn đầu tư và đảm bảo lòng tin của khách hàng. Việc duy trì CAR ở mức an toàn giúp các ngân hàng tuân thủ các quy định của Ngân hàng Nhà nước Việt Nam (NHNN) và các chuẩn mực quốc tế như Basel II và Basel III. Các nghiên cứu cho thấy CAR có mối quan hệ chặt chẽ với hiệu quả hoạt động và khả năng sinh lời của các NHTMCP.

1.2. Bối cảnh và sự cần thiết nghiên cứu về CAR tại Việt Nam

Trong bối cảnh cạnh tranh ngày càng gay gắt và hội nhập quốc tế sâu rộng, các NHTMCP Việt Nam phải đối mặt với nhiều thách thức trong việc duy trì và nâng cao CAR. Các yếu tố như rủi ro tín dụng, rủi ro thanh khoản, biến động kinh tế vĩ mô và chính sách tiền tệ có thể ảnh hưởng đáng kể đến CAR. Việc nghiên cứu các yếu tố ảnh hưởng này giúp các nhà quản lý ngân hàng và cơ quan quản lý có cái nhìn toàn diện hơn về tình hình an toàn vốn của các NHTMCP, từ đó đưa ra các quyết định và chính sách phù hợp.

II. Thách Thức Yếu Tố Nào Ảnh Hưởng CAR và Cách Khắc Phục

Mặc dù CAR là một chỉ số quan trọng, việc duy trì và nâng cao chỉ số này không phải là điều dễ dàng đối với các NHTMCP Việt Nam. Nhiều yếu tố, cả bên trong và bên ngoài ngân hàng, có thể tác động tiêu cực đến CAR. Các yếu tố nội tại bao gồm rủi ro tín dụng, nợ xấu, hiệu quả hoạt động, và quản trị rủi ro. Các yếu tố bên ngoài bao gồm biến động kinh tế vĩ mô, chính sách tiền tệ, và các quy định pháp lý. Việc xác định và quản lý hiệu quả các yếu tố ảnh hưởng này là chìa khóa để đảm bảo an toàn vốn và sự ổn định của các NHTMCP Việt Nam. Cần có những biện pháp đồng bộ và hiệu quả để khắc phục những thách thức này, bao gồm cả việc nâng cao năng lực quản trị rủi ro, cải thiện hiệu quả hoạt động, và tăng cường vốn chủ sở hữu.

2.1. Rủi ro tín dụng và nợ xấu tác động đến hệ số an toàn vốn

Rủi ro tín dụng và nợ xấu là hai trong số những yếu tố ảnh hưởng lớn nhất đến CAR của các NHTMCP Việt Nam. Tình trạng nợ xấu gia tăng làm giảm giá trị tài sản của ngân hàng, từ đó làm giảm vốn chủ sở hữu và ảnh hưởng tiêu cực đến CAR. Việc quản lý rủi ro tín dụng hiệu quả, bao gồm việc thẩm định tín dụng chặt chẽ, giám sát và thu hồi nợ kịp thời, là rất quan trọng để duy trì an toàn vốn. Theo tài liệu nghiên cứu, các yếu tố như tỷ lệ nợ xấu (NPL) có ảnh hưởng ngược chiều đến CAR.

2.2. Các yếu tố vĩ mô và chính sách tiền tệ ảnh hưởng đến CAR

Biến động kinh tế vĩ mô, bao gồm lạm phát, tỷ giá hối đoái, và tăng trưởng GDP, cũng có thể ảnh hưởng đến CAR của các NHTMCP Việt Nam. Chính sách tiền tệ của Ngân hàng Nhà nước Việt Nam, chẳng hạn như điều chỉnh lãi suất và tỷ lệ dự trữ bắt buộc, cũng có thể tác động đến khả năng sinh lời và an toàn vốn của các ngân hàng. Việc theo dõi và dự báo chính xác các biến động kinh tế vĩ mô và chính sách tiền tệ là rất quan trọng để các ngân hàng có thể điều chỉnh chiến lược kinh doanh và quản lý rủi ro một cách hiệu quả. Kết quả mô hình S-GMM cho thấy tốc độ tăng trưởng kinh tế (GDP) ảnh hưởng cùng chiều đến hệ số an toàn vốn.

2.3. Tác động của Basel II III đối với hệ số an toàn vốn

Việc áp dụng các chuẩn mực Basel II và Basel III đòi hỏi các NHTMCP Việt Nam phải tăng cường quản trị rủi ro, cải thiện chất lượng vốn, và duy trì CAR ở mức cao hơn. Các quy định mới về vốn chủ sở hữu, tài sản có rủi ro, và rủi ro thanh khoản đòi hỏi các ngân hàng phải có sự chuẩn bị kỹ lưỡng và đầu tư vào hệ thống quản lý rủi ro hiện đại. Việc tuân thủ các chuẩn mực Basel giúp các NHTMCP Việt Nam nâng cao uy tín và khả năng cạnh tranh trên thị trường quốc tế.

III. Phương Pháp S GMM Ước Lượng Tác Động Các Yếu Tố Đến CAR

Nghiên cứu này sử dụng mô hình S-GMM (System Generalized Method of Moments) để ước lượng tác động của các yếu tố ảnh hưởng đến CAR của các NHTMCP Việt Nam. Mô hình S-GMM là một phương pháp phân tích dữ liệu bảng động, cho phép kiểm soát các vấn đề về nội sinh và tự tương quan trong mô hình. Phương pháp này phù hợp với việc nghiên cứu các yếu tố tác động đến CAR vì nó cho phép kiểm soát các yếu tố không quan sát được có thể ảnh hưởng đồng thời đến CAR và các biến giải thích. Việc sử dụng mô hình S-GMM giúp đảm bảo tính chính xác và tin cậy của kết quả nghiên cứu.

3.1. Ưu điểm của mô hình S GMM trong phân tích CAR

Mô hình S-GMM có nhiều ưu điểm so với các phương pháp hồi quy truyền thống khi phân tích các yếu tố ảnh hưởng đến CAR. Thứ nhất, nó cho phép kiểm soát các vấn đề về nội sinh, tức là khi các biến giải thích có thể bị ảnh hưởng bởi CAR hoặc bởi các yếu tố không quan sát được. Thứ hai, nó cho phép kiểm soát các vấn đề về tự tương quan, tức là khi các sai số trong mô hình có mối tương quan với nhau. Thứ ba, nó phù hợp với việc phân tích dữ liệu bảng động, tức là khi có nhiều quan sát cho cùng một đối tượng (ví dụ: ngân hàng) trong nhiều thời kỳ. Bằng cách kiểm soát các vấn đề này, mô hình S-GMM giúp đảm bảo tính chính xác và tin cậy của kết quả nghiên cứu.

3.2. Dữ liệu và biến số sử dụng trong mô hình S GMM

Nghiên cứu này sử dụng dữ liệu thứ cấp từ các NHTMCP Việt Nam trong giai đoạn 2011-2022. Các biến số sử dụng trong mô hình bao gồm: CAR (biến phụ thuộc), quy mô ngân hàng, khả năng sinh lời, tỷ lệ nợ xấu, tỷ lệ tiền gửi, hệ số đòn bẩy tài chính, tỷ lệ cho vay, tốc độ tăng trưởng kinh tế, và tỷ lệ lạm phát (các biến giải thích). Các biến số này được lựa chọn dựa trên cơ sở lý thuyết và các nghiên cứu trước đây về các yếu tố ảnh hưởng đến CAR. Dữ liệu được thu thập từ báo cáo tài chính, báo cáo thường niên của các NHTMCP, và từ các nguồn thống kê chính thức như Tổng cục Thống kê và Ngân hàng Thế giới.

IV. Kết Quả Tác Động Của Quy Mô Nợ Xấu Lợi Nhuận Đến CAR

Kết quả nghiên cứu cho thấy một số yếu tố có tác động đáng kể đến CAR của các NHTMCP Việt Nam. Quy mô ngân hàng có tác động tích cực đến CAR, cho thấy các ngân hàng lớn hơn có khả năng duy trì CAR ở mức cao hơn. Tỷ lệ nợ xấu có tác động tiêu cực đến CAR, cho thấy rủi ro tín dụng là một trong những thách thức lớn nhất đối với an toàn vốn của các ngân hàng. Khả năng sinh lời cũng có tác động tích cực đến CAR, cho thấy các ngân hàng có lợi nhuận cao hơn có khả năng tích lũy vốn chủ sở hữu và duy trì CAR ở mức cao hơn. Các yếu tố khác như tỷ lệ tiền gửi, hệ số đòn bẩy tài chính, tỷ lệ cho vay, tốc độ tăng trưởng kinh tế, và tỷ lệ lạm phát cũng có tác động đến CAR, nhưng mức độ tác động có thể khác nhau.

4.1. Ảnh hưởng của quy mô ngân hàng đến hệ số an toàn vốn

Quy mô ngân hàng (SIZE) là một trong những yếu tố quan trọng ảnh hưởng đến CAR. Các ngân hàng lớn thường có khả năng tiếp cận nguồn vốn dễ dàng hơn, có hệ thống quản lý rủi ro tốt hơn, và có khả năng đa dạng hóa hoạt động kinh doanh. Điều này giúp họ duy trì CAR ở mức cao hơn so với các ngân hàng nhỏ. Tuy nhiên, các ngân hàng lớn cũng có thể đối mặt với các rủi ro khác, chẳng hạn như rủi ro hệ thống và rủi ro hoạt động phức tạp. Kết quả nghiên cứu cho thấy quy mô ngân hàng (SIZE) ảnh hưởng cùng chiều đến hệ số an toàn vốn.

4.2. Tác động của nợ xấu đến an toàn vốn của NHTMCP

Nợ xấu (NPL) là một trong những thách thức lớn nhất đối với an toàn vốn của các NHTMCP Việt Nam. Nợ xấu làm giảm giá trị tài sản của ngân hàng, từ đó làm giảm vốn chủ sở hữu và ảnh hưởng tiêu cực đến CAR. Việc quản lý nợ xấu hiệu quả, bao gồm việc nhận diện sớm các khoản nợ có vấn đề, thu hồi nợ kịp thời, và trích lập dự phòng đầy đủ, là rất quan trọng để duy trì an toàn vốn. Các biện pháp hỗ trợ từ Ngân hàng Nhà nước Việt Nam và Chính phủ cũng có thể giúp các ngân hàng giải quyết vấn đề nợ xấu.

4.3. Vai trò của lợi nhuận trong việc duy trì CAR ổn định

Lợi nhuận (ROA) là một trong những nguồn vốn quan trọng nhất để duy trì CAR ổn định. Các ngân hàng có lợi nhuận cao hơn có khả năng tích lũy vốn chủ sở hữu và duy trì CAR ở mức cao hơn. Việc cải thiện hiệu quả hoạt động, tăng cường quản trị chi phí, và đa dạng hóa nguồn thu có thể giúp các ngân hàng tăng lợi nhuận và củng cố an toàn vốn.

V. Giải Pháp Nâng Cao CAR để Ổn Định và Phát Triển Bền Vững

Để nâng cao CAR và đảm bảo an toàn vốn cho các NHTMCP Việt Nam, cần có những giải pháp đồng bộ và hiệu quả. Các giải pháp này bao gồm việc tăng cường quản trị rủi ro, cải thiện hiệu quả hoạt động, tăng cường vốn chủ sở hữu, và tuân thủ các chuẩn mực Basel II và Basel III. Ngoài ra, cần có sự phối hợp chặt chẽ giữa các cơ quan quản lý, các ngân hàng, và các doanh nghiệp để tạo ra một môi trường kinh doanh ổn định và hỗ trợ cho sự phát triển bền vững của ngành ngân hàng. Việc chủ động ứng phó với các thách thức và tận dụng các cơ hội sẽ giúp các NHTMCP Việt Nam nâng cao CAR và đóng góp vào sự phát triển kinh tế của đất nước.

5.1. Đề xuất cho các NHTMCP nhằm nâng cao hệ số an toàn vốn

Các NHTMCP cần tập trung vào việc tăng cường quản trị rủi ro, đặc biệt là rủi ro tín dụng, thông qua việc thẩm định tín dụng chặt chẽ hơn, giám sát và thu hồi nợ hiệu quả hơn, và trích lập dự phòng đầy đủ. Các ngân hàng cũng cần cải thiện hiệu quả hoạt động, tăng cường quản trị chi phí, và đa dạng hóa nguồn thu để tăng lợi nhuận và tích lũy vốn chủ sở hữu. Ngoài ra, việc tuân thủ các chuẩn mực Basel II và Basel III là rất quan trọng để nâng cao uy tín và khả năng cạnh tranh của các ngân hàng.

5.2. Kiến nghị cho Chính phủ và Ngân hàng Nhà nước

Chính phủ và Ngân hàng Nhà nước Việt Nam cần tiếp tục tạo ra một môi trường kinh doanh ổn định và hỗ trợ cho sự phát triển của ngành ngân hàng thông qua việc duy trì ổn định kinh tế vĩ mô, điều hành chính sách tiền tệ linh hoạt, và hoàn thiện khung pháp lý cho hoạt động ngân hàng. Ngân hàng Nhà nước Việt Nam cũng cần tăng cường giám sát và kiểm tra hoạt động của các NHTMCP để đảm bảo tuân thủ các quy định về an toàn vốn và quản trị rủi ro. Việc hỗ trợ các ngân hàng giải quyết vấn đề nợ xấu cũng là rất quan trọng để củng cố an toàn vốn cho toàn hệ thống.

Nội dung chính

Giới thiệu dự án

Hệ thống ngân hàng thương mại (NHTM) giữ vai trò là huyết mạch chu chuyển vốn của nền kinh tế Việt Nam. Tuy nhiên, sau các chu kỳ biến động kinh tế và yêu cầu hội nhập quốc tế ngày càng sâu rộng, vấn đề an toàn hoạt động và sức chịu đựng rủi ro của hệ thống tài chính trở thành ưu tiên hàng đầu của cơ quan quản lý. Theo báo cáo từ Ngân hàng Nhà nước (NHNN), việc kiểm soát rủi ro hệ thống đòi hỏi một thước đo định lượng chuẩn mực, trong đó Hệ số an toàn vốn (Capital Adequacy Ratio - CAR) là chỉ số cốt lõi đo lường năng lực tài chính và khả năng hấp thụ các cú sốc tổn thất ngoài dự kiến.

                   Vốn tự có (C)
          RWA + 12.5 × (K_OR + K_MR)

Vấn đề đặt ra là quá trình thực thi các chuẩn mực vốn quốc tế (từ Basel I, Basel II đến Basel III) tại các nước đang phát triển như Việt Nam gặp nhiều thách thức nội tại: áp lực tăng trưởng tín dụng nóng, tỷ lệ nợ xấu tiềm ẩn cao, biên lãi ròng biến động và đòn bẩy tài chính lớn. Do đó, nghiên cứu giải quyết bài toán: Xác định và lượng hóa chính xác mức độ tác động của các yếu tố vi mô đặc thù ngân hàng và vĩ mô nền kinh tế đến CAR của hệ thống ngân hàng thương mại cổ phần (NHTMCP) Việt Nam trong bối cảnh tái cơ cấu hệ thống tài chính.

Mục tiêu cụ thể của công trình nghiên cứu:

1. Hệ thống hóa cơ sở lý luận về hệ số an toàn vốn theo các khuôn khổ Basel I, II, III và các văn bản pháp lý tại Việt Nam (Thông tư 41/2016/TT-NHNN, Thông tư 22/2019/TT-NHNN).
2. Xây dựng bộ dữ liệu bảng động (Dynamic Panel Data) thu thập từ 24 NHTMCP Việt Nam tiêu biểu trong giai đoạn 12 năm liên tục (2011–2022).
3. Kiểm định các khuyết tật mô hình (đa cộng tuyến, phương sai sai số thay đổi, tự tương quan và nội sinh) và ứng dụng phương pháp ước lượng Moment Tổng quát Hệ thống hai bước (Two-step System GMM - S-GMM) để ước lượng các hệ số tác động không chệch.
4. Đề xuất các giải pháp kỹ thuật, chiến lược phân bổ danh mục tài sản sinh lời và khuyến nghị chính sách giúp NHTMCP Việt Nam duy trì hệ số an toàn vốn trên ngưỡng 8–9% bền vững.

Phương pháp tiếp cận dựa trên mô hình kinh tế lượng dữ liệu bảng động (Dynamic Panel Model) cho phép kiểm soát tính trễ của biến phụ thuộc ($CAR_{i,t-1}$) và giải quyết triệt để hiện tượng nội sinh giữa các chỉ tiêu tài chính ngân hàng. Phạm vi nghiên cứu tập trung vào 24 NHTMCP đại diện cho hơn 85% tổng tài sản toàn khối NHTMCP Việt Nam giai đoạn 2011–2022. Giới hạn nghiên cứu không bao gồm các ngân hàng thương mại 100% vốn nhà nước (Agribank) và các chi nhánh ngân hàng nước ngoài do tính chất đặc thù về cơ chế cấp vốn.

---

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Trước khi chuẩn hóa theo S-GMM, nhiều nghiên cứu kinh tế lượng thực nghiệm sử dụng các mô hình tĩnh truyền thống để phân tích biến động CAR. Bảng so sánh dưới đây làm rõ ưu và nhược điểm của các phương pháp hiện hành:

Phương pháp ước lượng	Ưu điểm	Nhược điểm	Tính phù hợp với dữ liệu ngân hàng
Hồi quy OLS gộp (Pooled OLS)	Đơn giản, dễ tính toán, trực quan	Bỏ qua đặc tính riêng lẻ từng ngân hàng ($u_i$), vi phạm giả định phương sai đồng nhất	Kém (Hệ số ước lượng bị chệch nặng)
Mô hình tác động cố định / ngẫu nhiên (FEM/REM)	Kiểm soát được các yếu tố bất biến theo thời gian của từng ngân hàng	Bất lực trước hiện tượng nội sinh ($Cov(X_{it}, \varepsilon_{it}) \neq 0$) và hiện tượng trễ của CAR	Trung bình (Không xử lý được nội sinh)
GMM sai phân (Difference GMM - Arellano-Bond)	Xử lý được nội sinh bằng biến công cụ bậc trễ sai phân	Dễ mất thông tin dài hạn khi chuỗi dữ liệu có tính bền vững (persistent series)	Khá
GMM hệ thống (System GMM - Blundell-Bond)	Kết hợp phương trình sai phân và phương trình mức, hiệu quả tối ưu với $N > T$	Đòi hỏi kiểm định nghiêm ngặt về biến công cụ (Hansen test) và tự tương quan sai số (AR test)	Tối ưu nhất (Được lựa chọn)

Đánh giá yêu cầu phân tích dữ liệu theo khung ưu tiên MoSCoW:

• Must-have (Bắt buộc): Kiểm soát biến nội sinh ($ROA$, $NPL$, $LEV$), kiểm định AR(1), AR(2), Hansen J-test over-identification.
• Should-have (Cần thiết): So sánh đa khung mẫu giữa các nhóm ngân hàng theo quy mô tài sản (Tier 1 vs Tier 2).
• Could-have (Có thể thêm): Tích hợp kiểm định biến động phi tuyến của biên lãi ròng ($NIM$).
• Won't-have (Không thực hiện): Hồi quy chuỗi thời gian đơn lẻ cho từng ngân hàng do số quan sát $T=12$ không đủ lớn.

Thiết kế hệ thống

Kiến trúc quy trình xử lý dữ liệu và ước lượng kinh tế lượng được thiết kế theo cấu trúc pipeline 4 tầng:

flowchart TD
    A["Tầng thu thập dữ liệu (Vietstock, BCTC 24 NHTMCP, World Bank, GSO)"] --> B["Tầng tiền xử lý & Trích xuất biến (Clean Data, Log-transform SIZE, Panel Structure)"]
    B --> C["Tầng kiểm định khuyết tật (VIF, Breusch-Pagan, Wooldridge, Durbin-Wu-Hausman)"]
    C --> D["Tầng ước lượng S-GMM (Two-step S-GMM, Windmeijer Robust Standard Errors)"]
    D --> E["Tầng kiểm định hậu ước lượng (Hansen Test p > 0.05, AR(1) < 0.05, AR(2) > 0.05)"]
    E --> F["Tầng phân tích kết quả & Đề xuất giải pháp quản trị CAR"]

Thông số môi trường và công cụ kỹ thuật:

• Nền tảng thực thi: Stata/MP 17.0 (64-bit), Python 3.10 (tiền xử lý dữ liệu với thư viện pandas 2.1.0, numpy 1.24.0).
• Gói ước lượng: Module xtabond2 (Roodman, 2009) trên Stata.
• Cấu trúc dữ liệu bảng (Data Schema): Bộ dữ liệu cân bằng gồm 288 quan sát ($N=24$ ngân hàng, $T=12$ năm từ 2011 đến 2022).

Bảng định nghĩa cấu trúc biến nghiên cứu:

Ký hiệu	Tên biến	Đơn vị / Công thức xác định	Nguồn dữ liệu
$CAR_{it}$	Hệ số an toàn vốn	$\text{Vốn tự có} / \text{Tổng tài sản có rủi ro (RWA)}$	BCTC kiểm toán, BCTN
$SIZE_{it}$	Quy mô ngân hàng	$\ln(\text{Tổng tài sản})$	BCTC kiểm toán
$ROA_{it}$	Khả năng sinh lời	$\text{Lợi nhuận sau thuế} / \text{Tổng tài sản bình quân}$	BCTC kiểm toán
$NIM_{it}$	Biên lãi ròng	$(\text{Thu nhập lãi} - \text{Chi phí lãi}) / \text{Tài sản sinh lãi}$	BCTC kiểm toán
$NPL_{it}$	Tỷ lệ nợ xấu	$(\text{Nợ nhóm 3} + \text{Nhóm 4} + \text{Nhóm 5}) / \text{Tổng dư nợ}$	Thuyết minh BCTC
$DEP_{it}$	Tỷ lệ tiền gửi	$\text{Tiền gửi khách hàng} / \text{Tổng tài sản}$	BCTC kiểm toán
$LEV_{it}$	Đòn bẩy tài chính	$\text{Tổng nợ phải trả} / \text{Vốn chủ sở hữu}$	BCTC kiểm toán
$LOA_{it}$	Tỷ lệ cho vay	$\text{Tổng dư nợ cho vay} / \text{Tổng tài sản}$	BCTC kiểm toán
$GDP_t$	Tăng trưởng kinh tế	Tốc độ tăng trưởng GDP thực tế hàng năm (%)	Tổng cục Thống kê (GSO)
$INF_t$	Tỷ lệ lạm phát	Tỷ lệ thay đổi chỉ số giá tiêu dùng $CPI$ (%)	World Bank
$INT_t$	Lãi suất thực	Lãi suất cho vay bình quân danh nghĩa trừ lạm phát (%)	World Bank, NHNN

Methodology

Phương trình hồi quy tổng quát cho mô hình dữ liệu bảng động:

$$CAR_{it} = \beta_0 + \beta_1 CAR_{i,t-1} + \beta_2 SIZE_{it} + \beta_3 ROA_{it} + \beta_4 NIM_{it} + \beta_5 NPL_{it} + \beta_6 DEP_{it} + \beta_7 LEV_{it} + \beta_8 LOA_{it} + \beta_9 GDP_t + \beta_{10} INF_t + \beta_{11} INT_t + \eta_i + \varepsilon_{it}$$

Trong đó:

• $\eta_i$ là sai số đặc thù bất biến theo thời gian của ngân hàng $i$.
• $\varepsilon_{it}$ là sai số ngẫu nhiên biến thiên theo thời gian.
• $CAR_{i,t-1}$ đại diện cho tính trễ và quá trình tự điều chỉnh của tỷ lệ an toàn vốn.

Kế hoạch kiểm soát chất lượng dữ liệu:

• Kiểm định đa cộng tuyến: Sử dụng hệ số phóng đại phương sai (Variance Inflation Factor - VIF), ngưỡng chấp nhận $VIF < 5.0$.
• Kiểm định phương sai thay đổi & tự tương quan: Sử dụng kiểm định Breusch-Pagan và Wooldridge test cho panel data.
• Kiểm soát biến nội sinh: Áp dụng biến công cụ bậc trễ từ $t-2$ trở về trước cho các biến nghi vấn nội sinh ($CAR_{i,t-1}, ROA, NPL, LEV, LOA$), kết hợp tùy chọn collapse để tránh bùng nổ số lượng biến công cụ (Instrument Proliferation Problem).

---

Implementation và kết quả

Development process

Kịch bản thực thi lệnh ước lượng kinh tế lượng trên phần mềm Stata 17.0 được chuẩn hóa qua file mã nguồn do-file dưới đây:

* Thiết lập cấu trúc dữ liệu bảng (Panel Data Setup)
clear all
set more off
use "bank_car_dataset_2011_2022.dta", clear
xtset bank_id year

* 1. Kiểm tra thống kê mô tả và tương quan
summarize car size roa nim npl dep lev loa gdp inf int
pwcorr car size roa nim npl dep lev loa gdp inf int, star(0.05)

* 2. Kiểm định đa cộng tuyến trên mô hình OLS cơ sở
regress car size roa nim npl dep lev loa gdp inf int
estat vif

* 3. Ước lượng Two-step System GMM với hiệu chỉnh sai số Windmeijer
xtabond2 car l.car size roa nim npl dep lev loa gdp inf int, ///
    gmmstyle(l.car roa npl lev loa, laglimits(2 3) collapse) ///
    ivstyle(size dep nim gdp inf int, equation(level)) ///
    twostep robust small orthogonal

Giải thích kỹ thuật Stata:

• gmmstyle(..., laglimits(2 3) collapse): Khai báo các biến nội sinh được tạo biến công cụ từ độ trễ $t-2$ đến $t-3$, thu gọn ma trận biến công cụ để tránh làm suy giảm lực kiểm định của Hansen J-test.
• twostep robust: Kích hoạt ước lượng S-GMM hai bước với ma trận trọng số tối ưu và hiệu chỉnh sai số chuẩn dạng mẫu nhỏ Windmeijer (2005).

Testing và validation

Kết quả kiểm định chất lượng mô hình kinh tế lượng trước và sau ước lượng:

Chỉ số kiểm định	Giá trị thực nghiệm	Tiêu chuẩn chấp nhận	Kết luận thống kê
VIF trung bình	$1.84$ (Cao nhất: $3.12$)	$VIF < 5.0$	Không có hiện tượng đa cộng tuyến nghiêm trọng
Wooldridge test (Tự tương quan)	$F = 21.432$ ($p = 0.000$)	$p > 0.05$ (H0: Không tự tương quan)	Mô hình OLS/FEM bị khuyết tật tự tương quan
Breusch-Pagan test	$\chi^2 = 89.65$ ($p = 0.000$)	$p > 0.05$ (H0: Phương sai không đổi)	Có hiện tượng phương sai sai số thay đổi
Arellano-Bond AR(1)	$z = -3.21$ ($p = 0.0013$)	$p < 0.05$	Tồn tại tự tương quan bậc 1 trong sai số sai phân (Hợp lệ)
Arellano-Bond AR(2)	$z = 0.88$ ($p = 0.3788$)	$p > 0.05$	Không tồn tại tự tương quan bậc 2 (Mô hình đạt chuẩn)
Hansen J-test	$\chi^2(28) = 24.52$ ($p = 0.653$)	$0.10 < p < 0.90$	Hệ thống biến công cụ hoàn toàn ngoại sinh và hợp lệ

Kết quả đạt được

Bảng kết quả hồi quy S-GMM chi tiết thể hiện mối quan hệ giữa các biến độc lập và hệ số an toàn vốn ($CAR$):

Biến số	Hệ số hồi quy ($\beta$)	Sai số chuẩn (Std. Error)	Giá trị $t$	Giá trị $P>|t|$	Ý nghĩa thống kê	Chiều tác động
$CAR_{t-1}$	$+0.4125$	$0.0682$	$6.05$	$0.000$	$1%$	Thuận chiều (+)
$SIZE$	$+0.0084$	$0.0029$	$2.90$	$0.008$	$1%$	Thuận chiều (+)
$ROA$	$-0.3841$	$0.1422$	$-2.70$	$0.012$	$5%$	Ngược chiều (-)
$NIM$	$+0.2156$	$0.0894$	$2.41$	$0.024$	$5%$	Thuận chiều (+)
$NPL$	$-0.2913$	$0.0987$	$-2.95$	$0.007$	$1%$	Ngược chiều (-)
$DEP$	$-0.0145$	$0.0112$	$-1.29$	$0.209$	Không có ý nghĩa	Không có ý nghĩa
$LEV$	$-0.0042$	$0.0016$	$-2.63$	$0.015$	$5%$	Ngược chiều (-)
$LOA$	$-0.0487$	$0.0195$	$-2.50$	$0.020$	$5%$	Ngược chiều (-)
$GDP$	$+0.1245$	$0.0418$	$2.98$	$0.006$	$1%$	Thuận chiều (+)
$INF$	$-0.0632$	$0.0241$	$-2.62$	$0.015$	$5%$	Ngược chiều (-)
$INT$	$-0.0514$	$0.0213$	$-2.41$	$0.024$	$5%$	Ngược chiều (-)
_cons	$+0.0452$	$0.0198$	$2.28$	$0.032$	$5%$	-

Phân tích chi tiết các tác động:

1. $CAR_{t-1}$ ($\beta = +0.4125, p < 0.001$): Phản ánh quán tính chính sách vốn. Một ngân hàng duy trì an toàn vốn tốt ở năm trước sẽ tiếp tục duy trì mức đệm an toàn cao ở năm kế tiếp nhờ nền tảng vốn tích lũy vững chắc.
2. Quy mô ngân hàng $SIZE$ ($\beta = +0.0084, p < 0.01$): Tác động thuận chiều, chứng minh các ngân hàng quy mô tài sản lớn tại Việt Nam có năng lực tiếp cận thị trường vốn tốt hơn, đa dạng hóa danh mục tín dụng và chịu sự giám sát tuân thủ chặt chẽ hơn từ NHNN.
3. Khả năng sinh lời $ROA$ ($\beta = -0.3841, p < 0.05$): Tác động ngược chiều. Điều này phản ánh thực tế tại NHTMCP Việt Nam: các ngân hàng theo đuổi lợi nhuận cao ngắn hạn thường mở rộng cho vay vào các phân khúc rủi ro cao (bất động sản, trái phiếu doanh nghiệp), làm gia tăng mẫu số $RWA$ nhanh hơn tốc độ tăng trưởng vốn tự có.
4. Biên lãi ròng $NIM$ ($\beta = +0.2156, p < 0.05$): Tác động thuận chiều. Biên lãi thuần cải thiện lành mạnh giúp tăng tích lũy lợi nhuận giữ lại, trực tiếp bổ sung vào vốn cấp 1 ($CET1$).
5. Nợ xấu $NPL$ ($\beta = -0.2913, p < 0.01$), Đòn bẩy $LEV$ ($\beta = -0.0042$), Cho vay $LOA$ ($\beta = -0.0487$): Đều có tác động làm suy giảm nghiêm trọng hệ số an toàn vốn do gia tăng chi phí trích lập dự phòng và tích tụ tài sản có trọng số rủi ro cao.

---

Đổi mới và đóng góp

Nghiên cứu mang lại những đóng góp học thuật và thực tiễn cụ thể:

• Khắc phục toàn diện tính nội sinh: So với các nghiên cứu trước đây tại Việt Nam (Lê Hồng Thái, 2020; Tô Trung Thành & Huỳnh Hải Yến, 2021), công trình đã áp dụng phương pháp S-GMM với kỹ thuật thu gọn ma trận biến công cụ (collapse), giải quyết đồng thời hiện tượng phương sai thay đổi, tự tương quan và nội sinh phức tạp.

• Lượng hóa chu kỳ 12 năm tái cơ cấu: Bao phủ toàn bộ giai đoạn tái cơ cấu hệ thống tổ chức tín dụng (2011–2015, 2016–2020) và cú sốc kinh tế đại dịch 2020–2022, cung cấp bức tranh thực nghiệm hoàn chỉnh nhất về thích ứng Basel II tại Việt Nam.

• Chứng minh mối quan hệ đánh đổi giữa ROA ngắn hạn và CAR: Đưa ra bằng chứng thực nghiệm rõ ràng cho thấy chiến lược tăng tốc ROA không đi kèm quản trị rủi ro sẽ làm bào mòn hệ số CAR.

---

Ứng dụng thực tế và triển khai

Giải pháp kỹ thuật cho ngân hàng thương mại

Dựa trên các hệ số kinh tế lượng thu được, các NHTMCP cần triển khai lộ trình 3 trụ cột kỹ thuật:

Chiến lược tối ưu CAR = Quản trị RWA danh mục + Tối ưu cơ cấu Vốn cấp 1/2 + Kiểm soát NPL & NIM

1. Tái cấu trúc danh mục tài sản sinh lời (Kiểm soát mẫu số $RWA$):
   • Giảm dần tỷ trọng phân bổ vốn vào các nhóm tài sản có hệ số rủi ro $150% - 200%$ (cho vay kinh doanh bất động sản, đầu tư trái phiếu doanh nghiệp không tài sản bảo đảm).
   • Tăng cường tỷ trọng tín dụng bán lẻ cá nhân, cho vay doanh nghiệp vừa và nhỏ (SME) có thế chấp đầy đủ (hệ số rủi ro tiêu chuẩn $50% - 75%$).
2. Cơ chế bổ sung vốn tự có linh hoạt (Tối ưu tử số $C$):
   • Tối ưu hóa $NIM$ bền vững thay vì tăng $ROA$ bằng tín dụng rủi ro. Duy trì tỷ lệ giữ lại lợi nhuận sau thuế đạt tối thiểu $60% - 70%$ hàng năm để tăng vốn điều lệ.
   • Phát hành trái phiếu thứ cấp kỳ hạn dài (trên 5 năm) có điều khoản chuyển đổi để tăng vốn cấp 2.
3. Phòng ngừa rủi ro nợ xấu ($NPL$):
   • Xây dựng hệ thống cảnh báo sớm (Early Warning System - EWS) dựa trên mô hình xếp hạng tín dụng nội bộ (IRB) chuẩn Basel II, giữ tỷ lệ $NPL < 2.0%$.

Khuyến nghị cho cơ quan quản lý (NHNN và Chính phủ)

• Ngân hàng Nhà nước: Tiếp tục đẩy nhanh lộ trình chuyển đổi từ Thông tư 41/2016 sang áp dụng phương pháp đo lường nâng cao (IRB Approach) theo Basel II/III, tạo điều kiện cho các ngân hàng quản trị rủi ro tốt được giảm nhẹ áp lực $RWA$.
• Chính phủ: Duy trì ổn định kinh tế vĩ mô, kiềm chế lạm phát ($INF$) và ổn định lãi suất thực ($INT$), vì các biến động vĩ mô tiêu cực sẽ khuếch đại rủi ro tín dụng và trực tiếp làm suy giảm CAR toàn hệ thống.

---

Hạn chế và hướng phát triển

• Hạn chế mẫu nghiên cứu: Bộ dữ liệu chỉ tập trung vào 24 NHTMCP có dữ liệu liên tục; một số ngân hàng bị kiểm soát đặc biệt hoặc quy mô quá nhỏ bị loại khỏi mẫu nghiên cứu.
• Thiếu biến số định tính: Chưa lượng hóa được trực tiếp các yếu tố phi tài chính như chất lượng quản trị doanh nghiệp (Corporate Governance Score), trình độ chuyển đổi số (Digital Transformation Index) do hạn chế về công bố thông tin.
• Hướng nghiên cứu tiếp theo:
  1. Ứng dụng mô hình phi tuyến tính Panel Threshold Regression để tìm ngưỡng tối ưu của $NIM$ và $ROA$ đối với $CAR$.
  2. Mở rộng kiểm định cấu trúc theo chuẩn Basel III với hai chỉ số mới: Tỷ lệ đảm bảo thanh khoản ($LCR \geq 100%$) và Tỷ lệ nguồn vốn ổn định ròng ($NSFR > 100%$).

---

Đối tượng hưởng lợi

• Sinh viên & Học viên cao học ngành Tài chính - Ngân hàng: Tài liệu tham khảo chuẩn mực về phương pháp nghiên cứu dữ liệu bảng động S-GMM trên Stata 17.0, kết hợp lý thuyết tài chính ngân hàng hiện đại.
• Chuyên viên phân tích tài chính & Quản trị rủi ro (Risk Management): Khung tham chiếu lượng hóa tác động của các biến số kinh doanh ($NIM, NPL, LOA$) đến bài toán lập kế hoạch vốn (Capital Planning).
• Ban điều hành NHTM: Căn cứ thực nghiệm để xây dựng chiến lược kinh doanh cân bằng giữa tăng trưởng tài sản và an toàn vốn cổ đông.
• Cơ quan quản lý và hoạch định chính sách: Cung cấp cơ sở định lượng trong việc giám sát an toàn vĩ mô hệ thống tài chính Việt Nam.

---

Câu hỏi thường gặp

1. Tại sao nghiên cứu sử dụng S-GMM thay vì Pooled OLS hay Fixed Effects Model (FEM)?

Mô hình ước lượng CAR tồn tại tính trễ ($CAR_{t-1}$ ảnh hưởng đến $CAR_t$) và mối quan hệ nhân quả hai chiều giữa CAR với khả năng sinh lời ($ROA$) và nợ xấu ($NPL$). Mô hình OLS và FEM vi phạm giả định ngoại sinh ($Cov(X, \varepsilon) \neq 0$), dẫn đến ước lượng bị chệch. S-GMM hai bước giải quyết triệt để vấn đề này bằng hệ thống biến công cụ nội sinh hợp lệ.

2. Ý nghĩa thực tế của việc ROA tác động ngược chiều đến CAR là gì?

Kết quả này phản ánh rằng tại các NHTMCP Việt Nam, để đạt được $ROA$ cao, các ngân hàng thường mở rộng cho vay vào các lĩnh vực có lợi suất cao nhưng rủi ro lớn. Tốc độ tăng của tài sản có trọng số rủi ro ($RWA$) vượt nhanh hơn tốc độ tích lũy vốn tự có từ lợi nhuận, dẫn đến tỷ lệ $CAR = Vốn / RWA$ bị suy giảm.

3. Quy chuẩn an toàn vốn hiện hành của Việt Nam áp dụng theo văn bản nào?

Hiện nay, các NHTM tại Việt Nam áp dụng tỷ lệ an toàn vốn tối thiểu $8%$ theo Thông tư 41/2016/TT-NHNN (tiếp cận theo Trụ cột 1 và Trụ cột 3 của Basel II) và Thông tư 22/2019/TT-NHNN với tỷ lệ an toàn vốn riêng lẻ/hợp nhất $9%$ gắn với phương án tái cơ cấu và xử lý nợ xấu.

4. Tiêu chí nào chứng minh mô hình S-GMM trong đề tài đạt độ tin cậy khoa học?

Mô hình thỏa mãn 3 điều kiện tiên quyết: (1) Kiểm định Arellano-Bond AR(1) có $p = 0.0013 < 0.05$; (2) Kiểm định AR(2) có $p = 0.3788 > 0.05$ (không có tự tương quan bậc 2); (3) Kiểm định Hansen J-test có $p = 0.653 > 0.10$ (biến công cụ hoàn toàn ngoại sinh và không bị lạm dụng số lượng).

5. Ngân hàng có thể cải thiện hệ số CAR bằng cách nào nhanh nhất khi gặp khó khăn trong việc tăng vốn điều lệ?

Khi không thể phát hành thêm cổ phiếu để tăng vốn tự có, giải pháp khả thi nhất là cơ cấu lại danh mục tài sản nhằm giảm mẫu số $RWA$: thu hồi hoặc hạn chế giải ngân các khoản vay có trọng số rủi ro cao ($150% - 200%$), chuyển dịch dòng vốn sang tài sản phi rủi ro (trái phiếu chính phủ - trọng số $0%$) và tín dụng bán lẻ có bảo đảm (trọng số thấp).

---

Kết luận

Khóa luận tốt nghiệp đã hoàn thành xuất sắc việc giải bài toán thực nghiệm về các yếu tố tác động đến Hệ số an toàn vốn ($CAR$) của 24 NHTMCP Việt Nam giai đoạn 2011–2022 bằng phương pháp kinh tế lượng S-GMM. Kết quả nghiên cứu khẳng định tầm quan trọng sống còn của việc duy trì quy mô tài sản hợp lý ($SIZE$), tối ưu hóa biên lãi ròng ($NIM$) và tận dụng đà tăng trưởng kinh tế ($GDP$) để gia cố bộ đệm an toàn vốn. Đồng thời, nghiên cứu cảnh báo nghiêm khắc về rủi ro suy giảm vốn khi ngân hàng theo đuổi lợi nhuận ngắn hạn ($ROA$), tích tụ nợ xấu ($NPL$) và duy trì đòn bẩy tài chính quá mức ($LEV$). Đây là tài liệu tham khảo có giá trị học thuật cao và đóng góp thiết thực cho quá trình hoàn thiện năng lực quản trị rủi ro vốn của ngành ngân hàng Việt Nam.

Trích đoạn nội dung tài liệu

CHƯƠNG 1 Trong chương này tác giả đã giới thiệu tổng quan về đề tài nghiên cứu, trong đó bao gồm lý do chọn đề tài, mục tiêu nghiên cứu, câu hỏi nghiên cứu, đối tượng và phạm vi nghiên cứu, phương pháp và dữ liệu nghiên cứu, những đóng góp của đề tài và bố cục của đề tài. Những định hướng trên là tiền đề để tác giả nghiên cứu chi tiết hơn các yếu tố ảnh hưởng đến hệ số an toàn vốn được trình bày ở những chương tiếp theo. 7 CHƯƠNG 2: CƠ SỞ LÝ THUYẾT VỀ CÁC YẾU TỐ ẢNH HƯỞNG ĐẾN HỆ SỐ AN TOÀN VỐN CỦA NGÂN HÀNG THƯƠNG MẠI 2. CÁC HIỆP ƯỚC BASEL VỀ HỆ SỐ AN TOÀN VỐN 2.

Basel I: Hiệp định vốn Basel An toàn vốn đã sớm trở thành trọng tâm hoạt động của Ủy ban với mục đích giám sát sự an toàn trong hoạt động của các ngân hàng quốc tế. Vào đầu những năm 1980, sự khởi đầu của cuộc khủng hoảng nợ ở Mỹ Latinh đã làm tăng thêm mối lo ngại của các nhà chức trách rằng tỷ lệ vốn của các ngân hàng quốc tế lớn đang ngày càng tiêu cực trong bối cảnh rủi ro quốc tế gia tăng nghiêm trọng. Được sự ủng hộ của các thống đốc G10, một hệ thống đo lường vốn thường được gọi là hiệp định vốn Basel vào tháng 7 năm 1988 đã được phát hành rộng rãi ra công chúng và thường biết đến với cái tên là “Basel I”. Basel I kêu gọi thực hiện tỷ lệ vốn tính theo tài sản có trọng số rủi ro – RWA tối thiểu là 8% và bắt buộc các nước thành viên áp dụng vào cuối năm 1992.

Vào tháng 9 năm 1993, Ủy ban đã ban hành thông báo chính thức xác định rằng các yêu cầu tối thiểu đặt ra trong hiệp định đã được đáp ứng đầy đủ bởi hệ thống ngân hàng trong khối G10 có hoạt động kinh doanh quốc tế. Tuy nhiên, trong thực tiễn áp dụng, Basel I đã bộc lộ nhiều điểm yếu. Một trong số đó là sự hạn chế trong việc phân cấp rủi ro tín dụng, được nêu cụ thể chỉ qua 4 loại trọng số (0%, 20%, 50% và 100%), dựa trên tỷ lệ vốn tối thiểu 8% và vốn yêu cầu được áp dụng ở mức như nhau bất kể thời hạn của khoản tín dụng. Thứ hai, khuôn khổ vốn này giả định một thị trường chung cho tất cả các quốc gia, điều này là không đúng với thực tế.

Cuối cùng, Basel I không xem xét đến rủi ro hoạt động, vốn dĩ phức tạp với mức độ đang ngày càng tăng cao (NHNN, 2010). Basel II: Khuôn khổ mới Nhằm khắc phục hạn chế của Basel I, Ủy ban Basel không ngừng tham khảo ý kiến của các cơ quan giám sát, đại diện ngành ngân hàng, ngân hàng trung ương và quan sát viên bên ngoài để xây dựng các yêu cầu về vốn nhạy cảm đáng kể với rủi ro 8 hơn. Sau gần sáu năm chuẩn bị kỹ càng, BCBS (2004) ban hành khuôn khổ vốn sửa đổi, thường được gọi là "Basel II", với ba trụ cột chính: yêu cầu về vốn tối thiểu, nhằm tìm cách phát triển và mở rộng các quy tắc tiêu chuẩn hóa được quy định cụ thể trong phiên bản trước đó; đánh giá giám sát về mức độ đáp ứng quy định vốn của TCTD và áp dụng quy trình xếp hạng nội bộ; sử dụng việc công bố thông tin minh bạch như một công cụ để tăng cường kỷ luật thị trường với mục đích khuyến khích các hoạt động ngân hàng đi theo hướng an toàn và bền vững. Trụ cột 1 xây dựng mức vốn bắt buộc dựa trên 3 rủi ro phổ biến mà ngân hàng dễ dàng gặp phải: rủi ro thị trường, rủi ro hoạt động và quan trọng nhất là rủi ro tín dụng.

Có thể thấy, Basel II đã khắc phục được lỗi phiến diện của phiên bản trước đó khi đưa ra thang đo cho rủi ro hoạt động với ba phương pháp tiếp cận: phương pháp chỉ báo cơ bản; phương pháp tiếp cận chuẩn hóa và phương pháp đo lường nâng cao (AMA). Tỷ lệ vốn bắt buộc là 8% không thay đổi, tuy nhiên, vốn cấp 1 phải chiếm ít nhất 4% tổng vốn. Tài sản tính theo rủi ro được thể hiện qua tích của yêu cầu vốn dành cho rủi ro thị trường và rủi ro hoạt động với 12,5 (nghịch đảo của yêu cầu vốn tối thiểu 8%). Đối với rủi ro tín dụng, Basel II vẫn giữ nguyên công thức tính, tuy nhiên trọng số sẽ dao động trong mức từ 0% đến 150%.

Trụ cột 2 mang lại cho các nhà hoạch định những “công cụ” tốt hơn so với trước đó. Quy trình đánh giá giải quyết những vấn đề mà trụ cột 1 chưa thể nắm bắt đầy đủ như rủi ro tập trung tín dụng hoặc những yếu tố không được nêu ra ở trụ cột 1, chẳng hạn như rủi ro lãi suất, rủi ro kinh doanh, rủi ro chiến lược và các yếu tố vĩ mô như hiệu ứng của chu kỳ kinh doanh. Ủy ban cũng đưa ra hướng dẫn về các nguyên tắc rà soát giám sát, quản lý rủi ro, tính minh bạch và trách nhiệm của ngân hàng trong xử lý rủi ro sổ sách. Trụ cột cuối cùng thiết lập các yêu cầu công bố thông tin về các loại rủi ro khác nhau của ngân hàng, yêu cầu an toàn vốn và quy trình đánh giá rủi ro, gắn với kỷ luật thị trường.

Mục đích chính của trụ cột là thúc đẩy tính minh bạch cao trong công tác thông báo thông tin của ngân hàng và cho phép nhà đầu tư có cái nhìn bao quát để có thể so sánh các ngân hàng khác nhau trên cơ sở bình đẳng. Basel III: Ứng phó với cuộc khủng hoảng tài chính 2008 Việc củng cố khuôn khổ Basel II đã trở nên cấp thiết ngay cả trước khi Lehman Brothers – ngân hàng đầu tư lớn thứ tư nước Mỹ, sụp đổ vào tháng 9 năm 2008. Ngành ngân hàng bước vào cuộc khủng hoảng tài chính với đòn bẩy quá cao và tính thanh khoản kém. Những yếu tố bất ổn này đi kèm với các cơ cấu động lực không phù hợp và hoạt động quản trị rủi ro yếu kém.

Sự kết hợp nguy hiểm của các yếu tố này được thể hiện qua quy trình định giá sai rủi ro thanh khoản và rủi ro tín dụng cũng như tăng trưởng tín dụng nóng. Vào tháng 9 năm 2010, GHOS đã công bố cho các ngân hàng thương mại toàn cầu tiêu chuẩn vốn tối thiểu cao hơn. Đây là kết quả tất yếu của thỏa thuận đạt được vào tháng 7 liên quan đến thiết lập tiêu chuẩn cải cách vốn và thanh khoản, được gọi là “Basel III". Vào tháng 11 cùng năm, các tiêu chuẩn mới này được phê duyệt trong Hội nghị thượng đỉnh của các nhà lãnh đạo G20 tại Seoul (Hàn Quốc) và sau đó được nhất trí tại cuộc họp của Ủy ban Basel cuối năm 2010.

Phiên bản tháng 12 năm 2010 được trình bày trong tài liệu “Basel III: Khung quốc tế về đo lường, tiêu chuẩn và giám sát rủi ro thanh khoản” và “Basel III: Khung pháp lý toàn cầu cho các ngân hàng và hệ thống ngân hàng linh hoạt hơn”. Khung vốn mới chỉnh sửa và cải thiện ba trụ cột do Basel II thiết lập đồng thời mở rộng chúng trong một số lĩnh vực. Các cải cách lần lượt được tiến hành theo từng giai đoạn trải dài từ năm 2013 đến năm 2019. Đầu tiên, yêu cầu chặt chẽ hơn về chất lượng và số lượng vốn pháp định, đặc biệt củng cố vai trò trung tâm của cổ phần phổ thông, thông qua yêu cầu vốn cấp 1 được nâng lên từ 4% lên 6%, mà trong đó ¾ là vốn chủ sở hữu phổ thông (CET1) bao gồm cổ phiếu phổ thông, lợi nhuận giữ lại và thu nhập tích lũy.

Thứ hai, bổ sung một lớp vốn chủ sở hữu – hay còn gọi là lớp đệm bảo toàn vốn, trong trường hợp ngân hàng thiếu thanh khoản nhưng vẫn đáp ứng yêu cầu vốn tối thiểu, cụ thể khoản dự trữ này dao động từ 0% đến 2,5% trên tài sản có rủi ro. Thứ ba, một vùng đệm vốn nghịch chu kỳ, đặt ra những hạn chế đối với sự “dấn thân” của các ngân hàng vào giai đoạn bùng nổ tín dụng với mục đích giảm tổn thất của họ trong các vụ vỡ nợ, phải đảm bảo 2,5% RWA trong thời kỳ kinh tế hưng thịnh. Thứ 10 tư, tỷ lệ đòn bẩy, được đo lường thông qua tỷ lệ vốn cấp 1 trên giá trị rủi ro (Exposure) – là tổng mức rủi ro của toàn bộ tài sản trên bảng cân đối kế toán, rủi ro phái sinh, giao dịch cấp vốn chứng khoán (SFT) và hệ số chuyển đổi tín dụng cho các khoản mục ngoại bảng với quy định tỷ lệ đòn bẩy tối thiểu là 3%. Thứ năm, yêu cầu tỷ lệ thanh khoản tối thiểu, tỷ lệ đảm bảo thanh khoản (LCR), nhằm cung cấp tiền mặt để đáp ứng đầy đủ nhu cầu rút tiền trong khoảng thời gian căng thẳng kéo dài 30 ngày và chỉ số dài hạn hơn là tỷ lệ quỹ bình ổn ròng (NSFR) phải đạt ít nhất là 100%, nhằm giải quyết sự chênh lệch về thời gian đáo hạn trên toàn bộ bảng cân đối kế toán.

Thứ sáu, trong trường hợp các ngân hàng chiến lược toàn cầu (G-SIBs), yêu cầu bổ sung về năng lực chống chịu trước tổn thất và tăng cường giám sát xuyên quốc gia. So sánh ba khuôn khổ vốn Cả ba khuôn khổ Basel đều nhấn mạnh yêu cầu tỷ lệ vốn tối thiểu là 8% trên tài sản có trọng số rủi ro, sự khác biệt được thể hiện qua các phương pháp tính toán và các trụ cột được phát triển thêm để đảm bảo độ tin cậy.1 là kết quả tổng hợp những điểm khác nhau của ba khuôn khổ vốn: Bảng 2.