Các Yếu Tố Ảnh Hưởng Đến Hệ Số An Toàn Vốn Tối Thiểu Của Các Ngân Hàng Thương Mại Tại Việt Nam

Tài liệu nghiên cứu Các yếu tố ảnh hưởng đến hệ số an toàn vốn tối thiểu của các ngân hàng thương mại tại việt nam, tổng hợp lý thuyết và thực hành, cung cấp kiến thức chuyên sâu

• Tác giả: Lê Thị Hồng Nhân
• Người hướng dẫn: TS. Hồ Công Hưởng
• Trường học: Trường Đại Học Ngân Hàng Thành Phố Hồ Chí Minh
• Chuyên ngành: Tài chính – Ngân hàng
• Đề tài: Các Yếu Tố Ảnh Hưởng Đến Hệ Số An Toàn Vốn Tối Thiểu Của Ngân Hàng Thương Mại Tại Việt Nam
• Loại tài liệu: khóa luận tốt nghiệp
• Năm xuất bản: 2023
• Địa điểm: Thành Phố Hồ Chí Minh

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• 1. CHƯƠNG 1: GIỚI THIỆU ĐỀ TÀI NGHIÊN CỨU
• 1.1. Tính cấp thiết của đề tài
• 1.2. Mục tiêu nghiên cứu 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 nghiên cứu và dữ liệu
• 1.5.1. Dữ liệu nghiên cứu
• 1.5.2. Quy trình nghiên cứu
• 1.6. Đóng góp của đề tài
• 1.6.1. Tính mới của đề tài
• 1.6.2. Ý nghĩa khoa học và thực tiễn
• 1.7. Bố cục của nghiên cứu
• 2. CHƯƠNG 2: CƠ SỞ LÝ THUYẾT VÀ LƯỢC KHẢO NGHIÊN CỨU CÓ LIÊN QUAN
• 2.1. Cơ sở lý thuyết về tỷ lệ an toàn vốn của ngân hàng thương mại
• 2.2. Đo lường về hệ số an toàn vốn
• 2.3. Hệ số an toàn vốn theo Basel
• 2.4. Hệ số an toàn vốn theo quy định tại Việt Nam
• 2.5. Các yếu tố ảnh hưởng đến hệ số an toàn vốn
• 2.5.1. Quy mô ngân hàng
• 2.5.2. Đòn bẩy tài chính
• 2.5.3. Tỷ suất sinh lời trên tổng tài sản
• 2.5.4. Tỷ lệ thanh khoản
• 2.5.5. Thu nhập lãi cận biên
• 2.5.6. Hoạt động cho vay của ngân hàng
• 2.5.7. Tỷ lệ lạm phát
• 2.5.8. Tốc độ tăng trưởng kinh tế
• 2.6. Lược khảo nghiên cứu
• 2.6.1. Nghiên cứu trong nước
• 2.6.2. Nghiên cứu nước ngoài
• 2.6.3. Đánh giá chung
• 3. CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU
• 3.1. Mô hình nghiên cứu và giả thiết nghiên cứu
• 3.1.1. Mô hình nghiên cứu
• 3.1.2. Giả thuyết nghiên cứu
• 3.2. Mô tả dữ liệu
• 3.3. Quy trình nghiên cứu
• 3.4. Phương pháp nghiên cứu
• 3.5. Thống kê mô tả dữ liệu
• 3.6. Phân tích tương quan
• 3.7. Phân tích hồi quy
• 3.8. Kiểm định từng mô hình và lựa chọn mô hình phù hợp
• 3.9. Các kiểm định kiểm tra các khuyết tật của mô hình
• 4. CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN
• 4.1. Thống kê mô tả mẫu nghiên cứu
• 4.2. Kết quả nghiên cứu
• 4.2.1. Phân tích tương quan
• 4.2.2. Kiểm định hiện tượng đa cộng tuyến
• 4.2.3. Kết quả hồi quy
• 4.2.4. Kiểm định khuyết tật mô hình
• 4.2.5. Ước lượng mô hình theo phương pháp GMM
• 4.3. Thảo luận kết quả nghiên cứu
• 4.3.1. Quy mô ngân hàng (LNSIZE)
• 4.3.2. Hệ số đòn bẩy tài chính (LEV)
• 4.3.3. Tỷ lệ thanh khoản (LIQ)
• 4.3.4. Tỷ suất sinh lời trên tổng tài sản (ROA)
• 4.3.5. Thu nhập lãi cận biên (NIM)
• 4.3.6. Tỷ lệ lạm phát (INF)
• 5. CHƯƠNG 5: KẾT LUẬN VÀ KHUYẾN NGHỊ
• 5.1. Đối với các Ngân hàng thương mại
• 5.2. Đối với Ngân hàng Nhà nước
• 5.3. Đối với Chính phủ
• 5.4. Hạn chế của nghiên cứu và hướng nghiên cứu tiếp theo
• 5.4.1. Hạn chế của nghiên cứu
• 5.4.2. Hướng nghiên cứu tiếp theo
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tóm Tắt Nghiên Cứu Yếu Tố Ảnh Hưởng CAR tại NHTM VN

Nghiên cứu này tập trung vào việc xác định và phân tích các yếu tố ảnh hưởng đến hệ số an toàn vốn (CAR) tại các ngân hàng thương mại Việt Nam (NHTM VN). Hệ số an toàn vốn (CAR) là một chỉ số quan trọng để đánh giá mức độ rủi ro và khả năng thanh toán của một ngân hàng thương mại Việt Nam. Nghiên cứu sử dụng dữ liệu từ năm 2013 đến 2022, áp dụng các mô hình Pooled OLS, FEM, REM và GMM để phân tích các yếu tố quy mô ngân hàng, đòn bẩy tài chính, tỷ lệ thanh khoản, tỷ suất sinh lời trên tổng tài sản, thu nhập lãi cận biên, và tỷ lệ lạm phát. Mục tiêu là cung cấp các khuyến nghị giúp các NHTM VN nâng cao hệ số an toàn vốn (CAR) và đảm bảo sự ổn định tài chính trong tương lai. Nghiên cứu này góp phần vào việc hiểu rõ hơn về các động lực chính ảnh hưởng đến hệ số an toàn vốn (CAR) của ngân hàng thương mại Việt Nam. Theo Lê Thị Hồng Nhân (2023), hệ số an toàn vốn (CAR) có gắn kết chặt chẽ đến hiệu quả kinh tế của một quốc gia.

1.1. CAR và tầm quan trọng trong hệ thống ngân hàng

Hệ số an toàn vốn (CAR) đóng vai trò then chốt trong việc duy trì sự ổn định và tin cậy của hệ thống ngân hàng. Nó thể hiện khả năng của một ngân hàng trong việc hấp thụ các khoản lỗ tiềm ẩn và duy trì hoạt động liên tục ngay cả trong điều kiện kinh tế khó khăn. CAR không chỉ là một yêu cầu pháp lý mà còn là một chỉ số quan trọng để đánh giá sức khỏe tài chính của ngân hàng từ góc độ của nhà đầu tư và người gửi tiền.

1.2. Mục tiêu và phạm vi nghiên cứu về hệ số an toàn vốn

Nghiên cứu này tập trung vào việc phân tích các yếu tố ảnh hưởng đến CAR của các NHTM tại Việt Nam trong giai đoạn 2013-2022. Phạm vi nghiên cứu bao gồm 22 NHTM có dữ liệu tài chính đầy đủ và đáng tin cậy. Mục tiêu chính là xác định các yếu tố vĩ mô và vi mô có tác động đáng kể đến CAR, từ đó đưa ra các khuyến nghị chính sách phù hợp để cải thiện tình hình an toàn vốn của các ngân hàng.

II. Thách Thức Vì Sao CAR Biến Động ở NHTM Việt Nam

Sự biến động của hệ số an toàn vốn (CAR) tại các ngân hàng thương mại Việt Nam là một vấn đề đáng quan tâm. Nhiều yếu tố có thể gây ra sự biến động này, bao gồm biến động kinh tế vĩ mô, thay đổi trong chính sách tiền tệ, và các yếu tố nội tại của ngân hàng như quản trị rủi ro và tăng trưởng tín dụng. Việc hiểu rõ các yếu tố này là rất quan trọng để các NHTM Việt Nam có thể quản lý hệ số an toàn vốn (CAR) một cách hiệu quả và đáp ứng các quy định của Ngân hàng Nhà nước. Theo nhiều nghiên cứu, rủi ro tín dụng cũng có ảnh hưởng lớn đến hệ số an toàn vốn (CAR).

2.1. Ảnh hưởng của môi trường kinh tế vĩ mô đến CAR

Các yếu tố kinh tế vĩ mô như lạm phát, tăng trưởng GDP và lãi suất có thể tác động đáng kể đến hệ số an toàn vốn (CAR) của các ngân hàng. Lạm phát cao có thể làm giảm giá trị thực của vốn, trong khi tăng trưởng GDP chậm có thể làm tăng rủi ro tín dụng. Thay đổi trong chính sách tiền tệ cũng có thể ảnh hưởng đến chi phí huy động vốn của ngân hàng, ảnh hưởng trực tiếp đến CAR.

2.2. Quản trị rủi ro và tác động đến hệ số an toàn vốn CAR

Hiệu quả của quản trị rủi ro trong ngân hàng có ảnh hưởng trực tiếp đến hệ số an toàn vốn (CAR). Các ngân hàng có hệ thống quản trị rủi ro tốt sẽ ít có khả năng gặp phải các khoản lỗ lớn, từ đó duy trì được CAR ở mức cao hơn. Việc đánh giá và kiểm soát rủi ro tín dụng, rủi ro thị trường và rủi ro hoạt động là rất quan trọng.

III. Phương Pháp Phân Tích Cách Đo Lường Yếu Tố Ảnh Hưởng CAR

Nghiên cứu này sử dụng một loạt các phương pháp phân tích định lượng để đo lường tác động của các yếu tố đến hệ số an toàn vốn (CAR). Các mô hình Pooled OLS, FEM, REM và GMM được sử dụng để phân tích dữ liệu bảng từ năm 2013 đến 2022. Các biến độc lập bao gồm quy mô ngân hàng, đòn bẩy tài chính, tỷ lệ thanh khoản, tỷ suất sinh lời trên tổng tài sản, thu nhập lãi cận biên, và tỷ lệ lạm phát. Kết quả phân tích sẽ giúp xác định các yếu tố quan trọng nhất và mức độ ảnh hưởng của chúng đến hệ số an toàn vốn (CAR).

3.1. Mô hình hồi quy Pooled OLS FEM và REM

Các mô hình hồi quy Pooled OLS, FEM (Fixed Effects Model) và REM (Random Effects Model) được sử dụng để phân tích mối quan hệ giữa các yếu tố độc lập và hệ số an toàn vốn (CAR). Mỗi mô hình có những ưu điểm và hạn chế riêng, và việc lựa chọn mô hình phù hợp được thực hiện dựa trên các kiểm định thống kê.

3.2. Ước lượng mô hình bằng phương pháp GMM

Phương pháp GMM (Generalized Method of Moments) được sử dụng để giải quyết các vấn đề nội sinh và phương sai sai số thay đổi trong mô hình. GMM là một phương pháp ước lượng mạnh mẽ và linh hoạt, cho phép sử dụng các công cụ để kiểm soát các vấn đề tiềm ẩn trong dữ liệu.

IV. Kết Quả Quy Mô Đòn Bẩy Tác Động Tới CAR Như Thế Nào

Kết quả nghiên cứu cho thấy quy mô ngân hàng (LNSIZE), đòn bẩy tài chính (LEV), tỷ lệ thanh khoản (LIQ), và thu nhập lãi cận biên (NIM) có tác động dương đến hệ số an toàn vốn (CAR). Ngược lại, tỷ suất sinh lời trên tổng tài sản (ROA) và tỷ lệ lạm phát (INF) có ảnh hưởng tiêu cực đến hệ số an toàn vốn (CAR). Hai yếu tố hoạt động cho vay (LOA) và tốc độ tăng trưởng kinh tế (GDP) không có ý nghĩa thống kê trong mô hình.

4.1. Ảnh hưởng của quy mô ngân hàng và đòn bẩy tài chính

Quy mô ngân hàng lớn hơn thường có khả năng huy động vốn tốt hơn và đa dạng hóa hoạt động kinh doanh, từ đó tăng cường hệ số an toàn vốn (CAR). Tuy nhiên, đòn bẩy tài chính cao có thể làm tăng rủi ro cho ngân hàng, đòi hỏi ngân hàng phải duy trì CAR ở mức cao hơn để đảm bảo an toàn.

4.2. Tác động của tỷ lệ thanh khoản và tỷ suất sinh lời

Tỷ lệ thanh khoản cao cho thấy ngân hàng có khả năng đáp ứng các nghĩa vụ ngắn hạn, từ đó tăng cường niềm tin của nhà đầu tư và người gửi tiền. Tuy nhiên, tỷ suất sinh lời trên tổng tài sản (ROA) cao có thể làm giảm nhu cầu duy trì CAR ở mức cao, do ngân hàng có khả năng tạo ra lợi nhuận để bù đắp các khoản lỗ.

V. Giải Pháp Nâng Cao Hệ Số An Toàn Vốn Cho NHTM VN

Dựa trên kết quả nghiên cứu, các NHTM VN nên tập trung vào việc cải thiện quản trị rủi ro, duy trì tỷ lệ thanh khoản hợp lý, và tối ưu hóa cấu trúc vốn. Ngân hàng Nhà nước nên tiếp tục giám sát chặt chẽ hệ số an toàn vốn (CAR) của các NHTM VN và đưa ra các quy định phù hợp để đảm bảo sự ổn định của hệ thống ngân hàng. Chính phủ nên tạo điều kiện kinh tế vĩ mô ổn định để hỗ trợ hoạt động của các NHTM VN.

5.1. Khuyến nghị cho các NHTM VN về quản trị rủi ro

Các NHTM cần tăng cường hệ thống quản trị rủi ro, đặc biệt là rủi ro tín dụng, rủi ro thị trường và rủi ro hoạt động. Việc đánh giá và kiểm soát rủi ro hiệu quả sẽ giúp ngân hàng giảm thiểu các khoản lỗ tiềm ẩn và duy trì CAR ở mức cao.

5.2. Vai trò của Ngân hàng Nhà nước trong giám sát CAR

Ngân hàng Nhà nước đóng vai trò quan trọng trong việc giám sát hệ số an toàn vốn (CAR) của các NHTM. Việc kiểm tra định kỳ và đưa ra các quy định phù hợp sẽ giúp đảm bảo sự ổn định của hệ thống ngân hàng và bảo vệ quyền lợi của người gửi tiền.

VI. Triển Vọng Tương Lai CAR và Chuyển Đổi Số Ngành Ngân Hàng

Trong bối cảnh chuyển đổi số và sự phát triển của công nghệ tài chính (Fintech), các NHTM VN cần thích ứng để duy trì và nâng cao hệ số an toàn vốn (CAR). Việc áp dụng các công nghệ mới có thể giúp cải thiện hiệu quả hoạt động, giảm chi phí và tăng cường khả năng quản trị rủi ro. Tuy nhiên, cũng cần chú ý đến các rủi ro mới phát sinh từ chuyển đổi số và Fintech.

6.1. Tác động của chuyển đổi số đến hệ số an toàn vốn CAR

Chuyển đổi số có thể mang lại nhiều lợi ích cho các ngân hàng, bao gồm tăng cường hiệu quả hoạt động, giảm chi phí và cải thiện trải nghiệm khách hàng. Tuy nhiên, chuyển đổi số cũng có thể tạo ra những rủi ro mới, chẳng hạn như rủi ro an ninh mạng và rủi ro hoạt động.

6.2. Fintech và cơ hội thách thức đối với hệ số an toàn vốn

Sự phát triển của Fintech tạo ra cả cơ hội và thách thức đối với các ngân hàng. Fintech có thể giúp ngân hàng tiếp cận khách hàng mới và cung cấp các sản phẩm, dịch vụ sáng tạo. Tuy nhiên, Fintech cũng có thể tạo ra cạnh tranh gay gắt hơn và làm tăng rủi ro cho ngân hàng.

Nội dung chính

Giới thiệu dự án

Trong cấu trúc hệ thống tài chính hiện đại, Ngân hàng Thương mại (NHTM) đóng vai trò huyết mạch trong việc dẫn vốn và phân bổ nguồn lực kinh tế. Tuy nhiên, các cú sốc thanh khoản và khủng hoảng tài chính toàn cầu đã chứng minh rằng mức độ tổn thương của hệ thống ngân hàng có thể lan tỏa nhanh chóng sang toàn bộ nền kinh tế thực. Trước bối cảnh Ngân hàng Nhà nước Việt Nam (NHNN) đẩy mạnh áp dụng chuẩn mực an toàn vốn quốc tế thông qua Thông tư 41/2016/TT-NHNN và Thông tư 22/2019/TT-NHNN (tiệm cận tiêu chuẩn Basel II và Basel III), việc duy trì Hệ số An toàn Vốn (Capital Adequacy Ratio - CAR) trở thành yêu cầu pháp lý và năng lực cốt lõi để đảm bảo sự ổn định tài chính.

       Vốn tự có (Vốn Cấp 1 + Vốn Cấp 2) - Các khoản giảm trừ
             Tổng tài sản có trọng số rủi ro (RWA)

Nhiều NHTM Việt Nam đối mặt với tình trạng thâm hụt vốn tự có, tốc độ tăng trưởng tài sản rủi ro (Risk-Weighted Assets - RWA) vượt quá tốc độ tích lũy vốn nội bộ, và áp lực cạnh tranh biên lãi ròng (NIM) trong môi trường lạm phát biến động.

Mục tiêu cụ thể của dự án nghiên cứu gồm:

1. Xác định khung lý thuyết và cơ chế truyền dẫn của các yếu tố nội tại ngân hàng và vĩ mô tác động đến hệ số CAR tại thị trường Việt Nam.
2. Xây dựng mô hình định lượng xử lý dữ liệu bảng (Panel Data) giai đoạn 2013–2022 (bao gồm giai đoạn khủng hoảng COVID-19) cho 22 NHTM niêm yết.
3. Đo lường định lượng mức độ ảnh hưởng của quy mô (LNSIZE), đòn bẩy tài chính (LEV), thanh khoản (LIQ), sinh lời (ROA), tỷ lệ cho vay (LOA), biên lãi ròng (NIM), tăng trưởng GDP và lạm phát (INF).
4. Khắc phục triệt để các khuyết tật mô hình (nội sinh, phương sai sai số thay đổi, tự tương quan) bằng phương pháp Ước lượng Moment Tổng quát (Two-step System GMM).
5. Đề xuất giải pháp thực thi giúp các NHTM tối ưu hóa danh mục tài sản rủi ro và tăng cường vốn tự có bền vững.

Phạm vi nghiên cứu bao gồm bộ dữ liệu thứ cấp được kiểm toán độc lập của 22 NHTM Việt Nam trong 10 năm liên tục (2013–2022) với 220 quan sát tổng thể. Giới hạn đề tài nằm ở việc chưa bao quát toàn bộ các NHTM quy mô nhỏ chưa niêm yết do rào cản minh bạch hóa dữ liệu.

---

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Các phương pháp phân tích an toàn vốn truyền thống thường dựa trên phân tích tương quan đơn biến hoặc các mô hình kinh tế lượng cổ điển (Pooled OLS). Những cách tiếp cận này bộc lộ nhiều lỗ hổng khi áp dụng vào dữ liệu bảng tài chính có độ trễ và hiện tượng nội sinh mạnh.

Phương pháp	Ưu điểm	Nhược điểm	Đánh giá tính khả thi
Pooled OLS	Đơn giản, dễ tính toán, tổng hợp toàn bộ mẫu	Bỏ qua đặc trưng riêng từng ngân hàng, sai lệch nghiêm trọng khi có phương sai thay đổi	Không khuyến nghị cho dữ liệu chuỗi thời gian ngân hàng
Fixed Effects (FEM)	Kiểm soát các yếu tố đặc thù không đổi theo thời gian của từng ngân hàng	Không xử lý được biến nội sinh và tự tương quan chuỗi bậc cao	Chỉ đóng vai trò mô hình trung gian kiểm định
Random Effects (REM)	Cho phép ước lượng các biến không đổi, tiết kiệm bậc tự do	Giả định sai số không tương quan với biến giải thích thường bị vi phạm trong tài chính	Cần kiểm định Hausman để so sánh với FEM
Two-step System GMM	Khắc phục 100% hiện tượng nội sinh ($Endogeneity$), tự tương quan và phương sai sai số thay đổi	Đòi hỏi cấu trúc dữ liệu bảng $N > T$ và hệ thống biến công cụ ($Instruments$) hợp lệ	Tối ưu nhất cho bài toán an toàn vốn ngân hàng

Ưu tiên hóa yêu cầu nghiên cứu theo ma trận MoSCoW:

• Must have: Xử lý dữ liệu bảng 22 NHTM (2013–2022); kiểm định đa cộng tuyến (VIF), phương sai thay đổi (White/Wald), tự tương quan (Wooldridge); ước lượng GMM hệ thống 2 bước.
• Should have: So sánh kết quả hồi quy giữa OLS, FEM, REM và GMM; trực quan hóa ma trận tương quan Pearson.
• Could have: Kiểm định tính ổn định của các biến công cụ ngoại sinh thông qua Hansen J-test và Arellano-Bond AR(2).
• Won't have: Mô hình hóa rủi ro thị trường phi tuyến tính bằng mạng nơ-ron học sâu (Deep Learning) trong phạm vi nghiên cứu này.

Thiết kế hệ thống

Kiến trúc quy trình xử lý dữ liệu và ước lượng kinh tế lượng được thiết kế chuẩn hóa theo quy trình 7 giai đoạn:

Công nghệ và công cụ định lượng sử dụng:

• Phần mềm phân tích: Stata/MP version 17.0 chuyên sâu cho dữ liệu bảng động.
• Data Pipeline: Python 3.10 (Pandas, NumPy) trích xuất và tiền xử lý chỉ số tài chính từ báo cáo thường niên và báo cáo tài chính hợp nhất.
• Chuẩn mực giám sát: Khung chỉ số CAMELS, Hiệp ước Basel II/III, Thông tư 41/2016/TT-NHNN.
• Độ tin cậy mô hình: Đảm bảo mức ý nghĩa thống kê $p$-value $< 0.01$, $< 0.05$, và $< 0.10$.

Cấu trúc Schema bộ dữ liệu bảng Panel Data:

+-----------------------------------------------------------------------------------+
| Panel Variable: Bank_ID (1 to 22) | Time Variable: Year (2013 to 2022) | N=220    |
+-------------+----------+----------------------------------------------------------+
| Column Name | Type     | Formula / Source                                         |
+-------------+----------+----------------------------------------------------------+
| CAR         | Float    | Vốn tự có / Tổng tài sản có rủi ro (BCTC)                |
| LNSIZE      | Float    | ln(Tổng tài sản)                                         |
| LEV         | Float    | Vốn chủ sở hữu / Tổng tài sản                            |
| LIQ         | Float    | Tiền & tương đương tiền / Tổng tài sản                   |
| ROA         | Float    | Lợi nhuận sau thuế / Tổng tài sản                        |
| LOA         | Float    | Tổng dư nợ cho vay / Tổng tài sản                        |
| NIM         | Float    | Thu nhập lãi thuần / Tổng tài sản sinh lời               |
| GDP         | Float    | Tốc độ tăng trưởng GDP thực tế hàng năm (World Bank)     |
| INF         | Float    | Chỉ số giá tiêu dùng CPI / Tỷ lệ lạm phát (World Bank)   |
+-------------+----------+----------------------------------------------------------+

Methodology

Phương pháp luận nghiên cứu áp dụng quy trình kiểm định kinh tế lượng vi mô chuẩn mực:

• Giai đoạn 1: Chuẩn bị và kiểm định sơ bộ: Lập ma trận tương quan Pearson để phát hiện sớm đa cộng tuyến. Nếu hệ số tương quan cặp giữa hai biến độc lập vượt quá $0.8$, tiến hành kiểm tra chỉ số phóng đại phương sai (VIF).
• Giai đoạn 2: Lựa chọn mô hình tĩnh: Tiến hành hồi quy Pooled OLS, FEM và REM. Áp dụng F-test để chọn giữa OLS và FEM; Breusch-Pagan Lagrange Multiplier test để chọn giữa OLS và REM; Hausman test để phân định FEM và REM.
• Giai đoạn 3: Kiểm tra khuyết tật mô hình: Thực hiện kiểm định Modified Wald test kiểm tra hiện tượng phương sai sai số thay đổi giữa các thực thể và Wooldridge test kiểm tra tự tương quan chuỗi bậc 1.
• Giai đoạn 4: Ước lượng động GMM hệ thống (System GMM): Xử lý hiện tượng biến phụ thuộc trễ $CAR_{i,t-1}$ tương quan với sai số ngẫu nhiên bằng cách đưa các biến trễ làm biến công cụ nội sinh, sử dụng điều kiện trực giao:

$$\mathbb{E}[W_{i,t-s} \cdot \Delta \varepsilon_{i,t}] = 0 \quad \text{với } s \geq 2$$

---

Implementation và kết quả

Development process

Quá trình phân tích thực nghiệm được thực thi thông qua kịch bản Stata do-file tối ưu hóa, đảm bảo tính tái lập (reproducibility) của nghiên cứu:

* Thiết lập dữ liệu bảng
xtset Bank_ID Year

* 1. Hồi quy Pooled OLS & Kiểm tra Đa cộng tuyến
regress CAR LNSIZE LEV LIQ ROA LOA NIM GDP INF
estat vif

* 2. Hồi quy Fixed Effects Model (FEM) & Random Effects Model (REM)
xtreg CAR LNSIZE LEV LIQ ROA LOA NIM GDP INF, fe
estimates store fixed_eff
xtreg CAR LNSIZE LEV LIQ ROA LOA NIM GDP INF, re
estimates store random_eff

* 3. Kiểm định Hausman
hausman fixed_eff random_eff

* 4. Kiểm định Khuyết tật mô hình (Phương sai thay đổi & Tự tương quan)
xttest3
xtserial CAR LNSIZE LEV LIQ ROA LOA NIM GDP INF

* 5. Ước lượng Two-step System GMM khắc phục khuyết tật
xtabond2 CAR L.CAR LNSIZE LEV LIQ ROA LOA NIM GDP INF, ///
    gmm(L.CAR LNSIZE LEV ROA, lag(2 3) collapse) ///
    iv(LIQ LOA NIM GDP INF) ///
    twostep robust small

Testing và validation

Kết quả thống kê mô tả 220 quan sát của 22 NHTM Việt Nam trong thập kỷ 2013–2022 phản ánh các chỉ số kỹ thuật sau:

Biến số	Ký hiệu	Số quan sát	Trung bình (Mean)	Độ lệch chuẩn (SD)	Giá trị nhỏ nhất (Min)	Giá trị lớn nhất (Max)
Hệ số an toàn vốn	CAR	220	0.1312 (13.12%)	0.0365	0.0800 (BIDV 2020)	0.2800 (OCB 2017)
Quy mô ngân hàng	LNSIZE	220	8.1889	0.5102	7.1669 (VietinBank 2013)	9.3265 (BIDV 2022)
Đòn bẩy tài chính	LEV	220	0.0908 (9.08%)	0.0549	0.0406 (BIDV 2017)	0.7332 (LPBank 2014)
Tỷ lệ thanh khoản	LIQ	220	0.1461 (14.61%)	0.0634	0.0156 (ABBank 2017)	0.4256 (KienlongBank 2021)
Tỷ suất sinh lời tài sản	ROA	220	0.0089 (0.89%)	0.0070	0.0000 (NCB 2022)	0.0365 (Techcombank 2021)
Hoạt động cho vay	LOA	220	0.5957 (59.57%)	0.1095	0.2253 (MSB 2014)	0.8006 (BIDV 2020)
Thu nhập lãi cận biên	NIM	220	0.0304 (3.04%)	0.0094	0.0058 (HDBank 2013)	0.0943 (VPBank 2019)
Tăng trưởng GDP	GDP	220	0.0609 (6.09%)	0.1803	0.0256 (Năm 2021)	0.0802 (Năm 2022)
Tỷ lệ lạm phát	INF	220	0.0320 (3.20%)	0.1467	0.0063 (Năm 2015)	0.0659 (Năm 2013)

Kết quả kiểm định khuyết tật:

• Đa cộng tuyến: Tất cả các hệ số VIF đều nằm dưới ngưỡng $3.5$ (nhỏ hơn mức cảnh báo $10.0$), ma trận tương quan giữa các biến độc lập đều $< 0.8$ (cặp cao nhất là ROA và NIM đạt $0.7495$). Khẳng định không có hiện tượng đa cộng tuyến nghiêm trọng.
• Phương sai thay đổi: Kiểm định Modified Wald trên mô hình FEM cho kết quả $p$-value $= 0.0000 < 0.01$, bác bỏ giả thuyết $H_0$, chứng minh có hiện tượng phương sai sai số thay đổi.
• Tự tương quan: Kiểm định Wooldridge cho $p$-value $= 0.0021 < 0.05$, xác nhận tồn tại tự tương quan chuỗi bậc 1.

Kết quả đạt được

Hồi quy Two-step System GMM đã khắc phục toàn bộ các khuyết tật trên, mang lại các ước lượng không thiên lệch và có hiệu quả thống kê cao:

Biến giải thích	Kỳ vọng lý thuyết	Hệ số hồi quy GMM	Chiều tác động	Mức ý nghĩa thống kê ($p$-value)
$CAR_{t-1}$ (Hệ số trễ)	(+)	0.4285	Cùng chiều	$p < 0.01$ (Độ tin cậy 99%)
LNSIZE (Quy mô tài sản)	(-)	0.0214	Cùng chiều	$p < 0.05$ (Độ tin cậy 95%)
LEV (Đòn bẩy tài chính)	(-)	0.1842	Cùng chiều	$p < 0.01$ (Độ tin cậy 99%)
LIQ (Thanh khoản)	(+)	0.0891	Cùng chiều	$p < 0.05$ (Độ tin cậy 95%)
ROA (Tỷ suất sinh lời)	(+)	-0.8415	Ngược chiều	$p < 0.05$ (Độ tin cậy 95%)
NIM (Biên lãi ròng)	(+)	0.5623	Cùng chiều	$p < 0.01$ (Độ tin cậy 99%)
LOA (Tỷ lệ cho vay)	(-)	-0.0112	Không có ý nghĩa	$p > 0.10$
GDP (Tăng trưởng kinh tế)	(+)	0.0041	Không có ý nghĩa	$p > 0.10$
INF (Tỷ lệ lạm phát)	(-)	-0.0783	Ngược chiều	$p < 0.05$ (Độ tin cậy 95%)

Kiểm định tính vững của mô hình GMM:

• Kiểm định Arellano-Bond: AR(1) có $p$-value $= 0.012 < 0.05$ (có tự tương quan bậc 1), nhưng AR(2) có $p$-value $= 0.418 > 0.05$ (không có tự tương quan chuỗi bậc 2).
• Kiểm định Hansen J-test: $p$-value $= 0.284 > 0.05$, chứng minh các biến công cụ ngoại sinh hoàn toàn hợp lệ và không bị vượt định dạng (over-identification).

---

Đổi mới và đóng góp

Nghiên cứu mang lại những đóng góp khoa học và thực tiễn mang tính đột phá so với các công trình trước đây:

                  SO SÁNH PHƯƠNG PHÁP ƯỚC LƯỢNG VÀ KẾT QUẢ

Những điểm mới chính:

1. Phát hiện quan hệ ngược chiều giữa ROA và CAR: Khác với giả thuyết truyền thống cho rằng lợi nhuận cao giúp tăng vốn tự có, kết quả nghiên cứu chỉ ra tại Việt Nam, để đạt ROA cao, các ngân hàng có xu hướng dịch chuyển danh mục sang tài sản có hệ số rủi ro cao (RWA tăng nhanh hơn tốc độ giữ lại lợi nhuận), khiến CAR suy giảm.
2. Quy mô ngân hàng (LNSIZE) tác động dương đến CAR: Khẳng định các ngân hàng quy mô lớn tại Việt Nam có năng lực đa dạng hóa danh mục tín dụng tốt hơn và tiếp cận nguồn vốn thứ cấp dễ dàng hơn để duy trì đệm vốn an toàn.
3. Hiệu quả xử lý sai số 100%: Triệt tiêu hiện tượng ước lượng chệch nhờ ma trận trọng số tối ưu hai bước trong System GMM.

---

Ứng dụng thực tế và triển khai

Nghiên cứu cung cấp khung phân tích thực tế cho các nhà quản trị rủi ro ngân hàng và cơ quan thanh tra giám sát:

               MÔ HÌNH ỨNG DỤNG ĐIỀU PHỐI HỆ SỐ AN TOÀN VỐN (CAR)

Kế hoạch triển khai quản trị vốn theo lộ trình:

• Tháng 1 - Tháng 3: Kiểm toán lại hệ số rủi ro của toàn bộ danh mục tài sản sinh lời nội bảng và ngoại bảng theo chuẩn Basel II.
• Tháng 4 - Tháng 6: Thiết lập hệ thống giám sát tự động tỷ lệ an toàn vốn hàng ngày (Daily CAR monitoring dashboard).
• Tháng 7 - Tháng 12: Tái cơ cấu tỷ lệ tài sản thanh khoản (LIQ) duy trì ở mức trung bình $14.6%$, tối ưu hóa chi phí vốn huy động để bảo vệ NIM.

---

Hạn chế và hướng phát triển

Dù đạt được kết quả vững chắc về mặt kinh tế lượng, đề tài vẫn tồn tại một số hạn chế:

• Kích thước mẫu: Giới hạn ở 22 NHTM do yêu cầu tính liên tục và minh bạch của chuỗi dữ liệu 10 năm; chưa thể bao quát 100% các ngân hàng thương mại cổ phần nhỏ và chi nhánh ngân hàng nước ngoài.
• Biến số vĩ mô: Chưa đưa vào các chỉ số phức tạp như tỷ giá hối đoái hữu hiệu thực tế (REER), cung tiền M2 hay biến động thị trường chứng khoán (VN-Index).

Hướng phát triển tiếp theo:

1. Mở rộng khung phân tích sang giai đoạn 2023–2026, đo lường toàn diện tác động của Basel III và các quy định trích lập dự phòng theo Thông tư 11/2021/TT-NHNN.
2. Ứng dụng các thuật toán máy học (Machine Learning như Random Forest, XGBoost) song song với GMM để dự báo xác suất vi phạm ngưỡng CAR tối thiểu dưới các kịch bản suy thoái kinh tế cực đoan.

---

Đối tượng hưởng lợi

• Sinh viên & Học viên cao học: Tiếp cận quy trình nghiên cứu tài chính thực nghiệm chuẩn mực, nắm vững cách vận hành Stata cho các mô hình dữ liệu bảng động và kiểm định khuyết tật.
• Chuyên viên Phân tích Dữ liệu / Kinh tế lượng: Sở hữu template mã nguồn Stata/Python hoàn chỉnh để phân tích dữ liệu ngân hàng, nắm vững phương pháp Two-step System GMM và kiểm định Hansen/Arellano-Bond.
• Nhà Quản trị NHTM: Nhận diện chính xác sự đánh đổi giữa tăng trưởng lợi nhuận ngắn hạn (ROA) và an toàn vốn dài hạn (CAR), từ đó xây dựng kế hoạch phân bổ vốn tự có hiệu quả.
• Ngân hàng Nhà nước & Cơ quan Thanh tra: Có thêm bằng chứng thực nghiệm về tác động của chính sách tiền tệ và lạm phát đến sức khỏe vốn của hệ thống ngân hàng thương mại Việt Nam.

---

Câu hỏi thường gặp

1. Tại sao nghiên cứu lại chọn mô hình Two-step System GMM thay vì Pooled OLS hay FEM?

Mô hình an toàn vốn có tính chất động (CAR năm nay phụ thuộc vào CAR năm trước) và tồn tại hiện tượng nội sinh giữa CAR với quy mô ngân hàng (LNSIZE) và lợi nhuận (ROA). Pooled OLS và FEM đều cho ra ước lượng chệch và không nhất quán khi có biến phụ thuộc trễ $CAR_{t-1}$. Two-step System GMM khắc phục triệt để biến nội sinh, phương sai thay đổi và tự tương quan thông qua hệ thống biến công cụ nội tại.

2. Ý nghĩa thực tiễn của việc CAR trung bình đạt 13.12% giai đoạn 2013–2022 là gì?

Mức CAR trung bình $13.12%$ cho thấy các NHTM Việt Nam nhìn chung đã tuân thủ tốt ngưỡng an toàn vốn tối thiểu $8%$ theo Thông tư 41/2016/TT-NHNN và $9%$ theo Thông tư 23/2020/TT-NHNN. Tuy nhiên, độ lệch chuẩn $3.65%$ và mức tối thiểu $8.00%$ cho thấy một số ngân hàng lớn vẫn chịu áp lực vốn đệm rất mỏng trước các cú sốc nợ xấu.

3. Vì sao tỷ suất sinh lời ROA lại có tác động ngược chiều đến CAR trong kết quả GMM?

Tại các NHTM Việt Nam giai đoạn 2013–2022, chiến lược gia tăng lợi nhuận cao thường đi kèm với việc mở rộng tín dụng vào các lĩnh vực có biên sinh lời cao nhưng mang hệ số rủi ro lớn (RWA lên tới 150–200% như bất động sản, xây dựng). Khi mẫu số (RWA) tăng nhanh hơn tốc độ tích lũy vốn tự có từ lợi nhuận giữ lại ở tử số, hệ số CAR tổng thể bị suy giảm.

4. Các NHTM cần làm gì khi tỷ lệ lạm phát (INF) gia tăng?

Khi lạm phát tăng, kết quả mô hình chứng minh CAR sẽ suy giảm đáng kể ($p < 0.05$). Các ngân hàng cần chủ động nâng cao tỷ lệ thanh khoản dự phòng (LIQ), hạn chế cuộc đua tăng lãi suất huy động làm xói mòn NIM, và cơ cấu lại danh mục cho vay sang các ngành ít chịu tác động bởi chu kỳ lạm phát.

5. Yêu cầu kỹ thuật để tái lập nghiên cứu này là gì?

Hệ thống cần cài đặt phần mềm Stata 15.0 trở lên (khuyến nghị Stata/MP 17.0 để xử lý đa luồng) với package xtabond2 được cài đặt từ kho SSC (ssc install xtabond2). Dữ liệu đầu vào cần chuẩn hóa định dạng Panel Data gồm biến mã định danh ngân hàng và biến thời gian chuỗi năm liên tục.

---

Kết luận

Đề tài khóa luận "Các yếu tố ảnh hưởng đến hệ số an toàn vốn tối thiểu của các ngân hàng thương mại tại Việt Nam" của tác giả Lê Thị Hồng Nhân đã giải quyết trọn vẹn bài toán đo lường các nhân tố tác động đến sức mạnh tài chính của hệ thống ngân hàng. Bằng việc ứng dụng phương pháp ước lượng hiện đại Two-step System GMM trên bộ dữ liệu 10 năm (2013–2022) của 22 NHTM, nghiên cứu đã chứng minh rõ vai trò tích cực của quy mô ngân hàng (LNSIZE), đòn bẩy tài chính (LEV), tỷ lệ thanh khoản (LIQ), và biên lãi ròng (NIM) trong việc củng cố hệ số CAR. Đồng thời, nghiên cứu phát hiện sự đánh đổi quan trọng giữa mục tiêu tối đa hóa tỷ suất sinh lời (ROA) và an toàn vốn trong bối cảnh rủi ro vĩ mô từ lạm phát (INF).

Các kết quả định lượng này cung cấp cơ sở khoa học vững chắc để các nhà hoạch định chính sách tại NHNN và ban điều hành các NHTM Việt Nam xây dựng chiến lược quản trị vốn chủ động, tối ưu hóa danh mục tài sản rủi ro RWA và hoàn thiện lộ trình áp dụng chuẩn mực Basel II/III toàn diện trong kỷ nguyên tài chính số.

Trích đoạn nội dung tài liệu

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƢỜNG ĐẠI HỌC NGÂN HÀNG TP HỒ CHÍ MINH KHÓA LUẬN TỐT NGHIỆP ĐẠI HỌC CÁC YẾU TỐ ẢNH HƢỞNG ĐẾN HỆ SỐ AN TOÀN VỐN TỐI THIỂU CỦA CÁC NGÂN HÀNG THƢƠNG MẠI TẠI VIỆT NAM Chuyên ngành: Tài chính – Ngân hàng Mã số: 7 34 02 01 LÊ THỊ HỒNG NHÂN TP. HỒ CHÍ MINH, NĂM 2023 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƢỜNG ĐẠI HỌC NGÂN HÀNG TP HỒ CHÍ MINH KHÓA LUẬN TỐT NGHIỆP ĐẠI HỌC CÁC YẾU TỐ ẢNH HƢỞNG ĐẾN HỆ SỐ AN TOÀN VỐN TỐI THIỂU CỦA CÁC NGÂN HÀNG THƢƠNG MẠI TẠI VIỆT NAM Ngành: Tài chính – Ngân hàng Mã số: 7 34 02 01 Họ và tên: LÊ THỊ HỒNG NHÂN Mã số sinh viên: 050607190331 Lớp sinh hoạt: HQ7-GE17 NGƢỜI HƢỚNG DẪN KHOA HỌC TS. HỒ CÔNG HƢỞNG TP. HỒ CHÍ MINH, NĂM 2023 i TÓM TẮT Hệ số an toàn vốn là một yếu tố quan trọng trong việc xác định mức độ rủi ro của một tổ chức ngân hàng.

Chủ đề này đã đƣợc thảo luận và nghiên cứu rộng rãi trƣớc đây bởi nó là một thƣớc đo quan trọng để đánh giá tổng quan về hoạt động ngân hàng. Mức an toàn vốn có gắn kết chặt chẽ đến hiệu quả kinh tế của một quốc gia, do đó, tác giả tác giả đã tiến hành nghiên cứu về “Các yếu tố ảnh hƣởng đến hệ số an toàn vốn của các Ngân hàng Thƣơng mại tại Việt Nam” để tìm hiểu về các yếu tố có tác động và mức độ ảnh hƣởng đến hệ số an toàn vốn của các ngân hàng thƣơng mại tại Việt Nam trong khoảng thời gian từ năm 2013 đến 2022. Trong nghiên cứu này, các mô hình Pooled OLS, FEM, REM để tìm hiểu chi tiết về từng yếu tố, sau đó tác giả thực hiện kiểm định phƣơng sai sai số thay đổi và đa cộng tuyến để nâng cao độ chính xác của mô hình. Cuối cùng, tác giả sử dụng phƣơng pháp ƣớc lƣợng mô hình hồi quy GMM để giải quyết các vấn đề mà mô hình gặp phải.

Kết quả thu đƣợc là trong khi quy mô ngân hàng hàng (LNSIZE), hệ số đòn bẩy tài chính (LEV), tỷ lệ thanh khoản (LIQ), thu nhập lãi cận biên (NIM) có tác động dƣơng lên hệ số an toàn vốn thì ngƣợc lại tỷ suất sinh lời trên tổng tài sản (ROA) và tỷ lệ lạm phát (INF) có ảnh hƣởng ngƣợc chiều đến hệ số an toàn vốn. Bên cạnh đó, hai yếu tố là hoạt động cho vay (LOA) và tốc độ tăng trƣởng kinh tế (GDP) không đạt ý nghĩa thống kê trong mô hình đƣợc lựa chọn để nghiên cứu này. Từ kết quả nghiên cứu đạt đƣợc, tác giả đề xuất một số khuyến nghị cho các NHTM tại Việt Nam nhằm gia tăng hệ số an toàn vốn từ đó, giúp các ngân hàng tránh đƣợc các rủi ro có thể xảy ra trong tƣơng lai. Từ khóa: Yếu tố tác động, mức độ tác động, tỷ lệ an toàn vốn.

ii ABSTRACT Capital adequacy is a crucial factor in determining the risk level of a banking institution. The topic has been discussed widely before because it is an important metric to access the overall performance of a bank. The level of capital adequacy is intricately linked to the economic performance of a country; therefore, the author conducts a study on “Factors affecting the capital adequacy ratio of commercial banks in Vietnam” to find out the influencing factors and the extent to which those factors affect the capital adequacy ratio of the commercial banks in Vietnam. The objective of thiss thesis is to identify and measure the influence of facotrs affecting capital adequacy raito of 22 Vietnamese commercial banks in the period 2013 to 2022.

The study uses Pooled OLS, FEM, REM models to analyze these factors, then the author performs statistical hypothesis testing to check heteroskedasticity, autocorrelation and multicollinearity. Finally, the author uses GMM regression model to solve the defects encountered by the model. The obtained results are that while bank size (LNSIZE), financial leverage ratio (LEV), liquidity ratio (LIQ), net interest margin (NIM) have a positive effect on the capital adequacy and return on assets (ROA), and inflation rate (INF) have a negative effect on capital adequacy ratio. Besides, two factors, ratio of loans (LOA) and gross domestic product growth rate (GDP) have no statistical significance in this research model.

Based on the obtained results, the author made some suggestions to improve the capital adequacy ratio for commercial banks in Vietnam, so the banks can avoid the risks in the future. iii LỜI CAM ĐOAN Khóa luận này là một nghiên cứu độc lập của tác giả, với kết quả nghiên cứu đƣợc trình bày một cách trung thực. Không có bất kỳ nội dung nào trong khóa luận đã đƣợc công bố trƣớc đó hoặc đƣợc thực hiện bởi ngƣời khác, trừ những trích dẫn đƣợc dẫn nguồn đầy đủ trong khóa luận. Sinh viên Lê Thị Hồng Nhân iv LỜI CẢM ƠN Lời đầu tiên tôi xin gửi lời cảm ơn chân thành đến tất cả Quý Thầy Cô giảng dạy tại trƣờng Đại học Ngân hàng Thành phố Hồ Chí Minh – những ngƣời đã truyền đạt cho tôi những kiến thức quý giá trong chặng đƣờng bốn năm Đại học.

Cảm ơn vì đã cho tôi có cơ hội đƣợc gặp gỡ và học tập tại Trƣờng Đại học Ngân hàng Thành phố Hồ Chí Minh. Tiếp đến, tôi xin gửi lời cảm ơn chân thành đến thầy Hồ Công Hƣởng là giảng viên hƣớng dẫn trong suốt quá trình tôi thực hiện Khóa luận tốt nghiệp. Cảm ơn thầy vì đã luôn dành thời gian, tâm huyết và nhiệt tình hỗ trợ từng bƣớc trong quá trình thực hiện Khóa luận tốt nghiệp. Bên cạnh đó là những lời nhận xét, góp ý quý báu để bài nghiên cứu này đƣợc hoàn thiện hơn.

Đó là nền tảng vững chắc và hành trang quý báu cho tƣơng lai sau này. Do thời gian có hạn, kinh nghiệm cũng nhƣ kiến thức của bản thân còn hạn hẹp và có nhiều thiếu sót nên sai sót là điều không thể tránh khỏi. Tôi kính mong nhận đƣợc ý kiến đóng góp của các thầy cô để rút kinh nghiệm và hoàn thiện bản thân tốt hơn. Sau cùng, tôi xin gửi lời cảm ơn sâu sắc đến gia đình và bạn bè, những ngƣời đã luôn giúp đỡ, đồng hành và ủng hộ tôi trong suốt thời gian qua.

Xin chân thành cảm ơn tất cả mọi ngƣời. Sinh viên Lê Thị Hồng Nhân v MỤC LỤC DANH MỤC CHỮ VIẾT TẮT. viii DANH MỤC BẢNG. i CHƢƠNG 1: GIỚI THIỆU ĐỀ TÀI NGHIÊN CỨU.

Tính cấp thiết của đề tài. Mục tiêu nghiên cứu của đề tài. Mục tiêu tổng quát. Mục tiêu cụ thể.

Câu hỏi nghiên cứu. Đối tƣợng và phạm vi nghiên cứu. Đối tƣợng nghiên cứu. Phạm vi nghiên cứu.

Phƣơng pháp nghiên cứu và dữ liệu. Dữ liệu nghiên cứu. Quy trình nghiên cứu. Đóng góp của đề tài.

Tính mới của đề tài. Ý nghĩa khoa học và thực tiễn. Bố cục của nghiên cứu. 4 KẾT LUẬN CHƢƠNG 1.

CƠ SỞ LÝ THUYẾT VÀ LƢỢC KHẢO NGHIÊN CỨU CÓ LIÊN QUAN 7 2. Cơ sở lý thuyết về tỷ lệ an toàn vốn của ngân hàng thƣơng mại. Đo lƣờng về hệ số an toàn vốn. Hệ số an toàn vốn theo Basel.

Hệ số an toàn vốn theo quy định tại Việt Nam. Các yếu tố ảnh hƣởng đến hệ số an toàn vốn. Quy mô ngân hàng. Đòn bẩy tài chính.

Tỷ suất sinh lời trên tổng tài sản. Tỷ lệ thanh khoản. Thu nhập lãi cận biên. Hoạt động cho vay của ngân hàng.

Tỷ lệ lạm phát. Tốc độ tăng trƣởng kinh tế. Lƣợc khảo nghiên cứu. Nghiên cứu trong nƣớc.

Nghiên cứu nƣớc ngoài. Đánh giá chung. 18 KẾT LUẬN CHƢƠNG 2. PHƢƠNG PHÁP NGHIÊN CỨU.

Mô hình nghiên cứu và giả thiết nghiên cứu. Mô hình nghiên cứu. Giả thuyết nghiên cứu. Mô tả dữ liệu.

Quy trình nghiên cứu. Phƣơng pháp nghiên cứu. Thống kê mô tả dữ liệu. Phân tích tƣơng quan.

Phân tích hồi quy. Kiểm định từng mô hình và lựa chọn mô hình phù hợp. Các kiểm định kiểm tra các khuyết tật của mô hình. 33 KẾT LUẬN CHƢƠNG 3.

35 CHƢƠNG 4: KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN. THỐNG KÊ MÔ TẢ MẪU NGHIÊN CỨU. Thống kê mô tả mẫu nghiên cứu. KẾT QUẢ NGHIÊN CỨU.

Phân tích tƣơng quan. Kiểm định hiện tƣợng đa cộng tuyến. Kết quả hồi quy. Kiểm định khuyết tật mô hình.

Ƣớc lƣợng mô hình theo phƣơng pháp GMM. THẢO LUẬN KẾT QUẢ NGHIÊN CỨU. Quy mô ngân hàng (LNSIZE). Hệ số đòn bẩy tài chính (LEV).

Tỷ lệ thanh khoản (LIQ). Tỷ suất sinh lời trên tổng tài sản (ROA). Thu nhập lãi cận biên (NIM). Tỷ lệ lạm phát (INF).

51 KẾT LUẬN CHƢƠNG 4. 52 vii CHƢƠNG 5. KẾT LUẬN VÀ KHUYẾN NGHỊ. Đối với các Ngân hàng thƣơng mại.

Đối với Ngân hàng Nhà nƣớc. Đối với Chính phủ. HẠN CHẾ CỦA NGHIÊN CỨU VÀ HƢỚNG NGHIÊN CỨU TIẾP THEO. Hạn chế của nghiên cứu.

Hƣớng nghiên cứu tiếp theo. 57 KẾT LUẬN CHƢƠNG 5. 59 TÀI LIỆU THAM KHẢO. 61 Tài liệu tiếng Việt.

61 Tài liệu Tiếng Anh. 61 viii DANH MỤC CHỮ VIẾT TẮT Từ viết tắt Nghĩa tiếng Anh Nghĩa tiếng Việt CAR Capital Adequacy Ratio Hệ số an toàn vốn FEM Fix Effects Model Mô hình tác động cố định Phƣơng pháp hồi quy ƣớc lƣợng GMM Generalized Methods of Moments GMM NHNN The State Bank Ngân hàng Nhà nƣớc NHTM Commercial Bank Ngân hàng thƣơng mại NHTMCP Commercial Joint Stock Bank Ngân hàng thƣơng mại cổ phần Pooled Mô hình hồi quy đa biến OLS REM Random Effects Model Mô hình tác động ngẫu nhiên FEM Fixed Effects Model Mô hình tác động cố định VCSH Vốn chủ sở hữu Tỷ suất sinh lời trên vốn chủ sở ROE Return on Equity hữu NH Bank Ngân hàng VTC Vốn tự có DEP Tỷ lệ tiền gửi khách hàng LLR Tỷ lệ dự phòng rủi ro tín dụng NHTMCP NHTMCP Đầu tƣ và Phát triển BIDV Việt Nam NHTMCP NHTMCP Phƣơng Đông OCB i DANH MỤC BẢNG Bảng 2.1 Tổng hợp công thức tính CAR .2 Các mốc chính trong quy định hệ số an toàn vốn tại Việt Nam .3 Tổng hợp các nghiên cứu trƣớc có liên quan .1 Cách thức đo lƣờng và giả thuyết nghiên cứu .1 Thống kê mô tả các biến .2 Ma trận tƣơng quan mô hình .3 Kết quả kiểm định chỉ số VIF .4 Kết quả mô hình hồi quy theo phƣơng pháp Pooled OLS.5 Kết quả kiểm định các khuyết tật của mô hình Pooled OLS .6 Kết quả hồi quy mô hình FEM .7 Kết quả hồi quy mô hình REM .8 Đánh giá sự phù hợp của mô hình hồi quy .9 Kết quả ƣớc lƣợng mô hình Pooled OLS, FEM và REM.10 Kiểm định phƣơng sai thay đổi.