Khóa luận: Các yếu tố ảnh hưởng đến hệ số an toàn vốn của các NHTM tại Việt Nam giai đoạn 2013 - 2022

Ngân hàng thương mại đóng vai trò trung gian quan trọng trong thị trường tài chính, ảnh… 86 trang · Trường Đại Học Ngân Hàng Thành Phố Hồ Chí Minh · 2023.

• 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
• 1.8. KẾT LUẬN CHƯƠNG 1
• 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
• 2.7. KẾT LUẬN CHƯƠNG 2
• 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
• 3.10. Kết quả ước lượng mô hình theo phương pháp GMM
• 3.11. KẾT LUẬN CHƯƠNG 3
• 4. CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN
• 4.1. THỐNG KÊ MÔ TẢ MẪU NGHIÊN CỨU
• 4.1.1. 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)
• 4.4. KẾT LUẬN CHƯƠNG 4
• 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
• 5.5. KẾT LUẬN CHƯƠNG 5
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng Quan Về Hệ Số CAR Vai Trò và Tầm Quan Trọng 55 ký tự

Ngân hàng thương mại đóng vai trò trung gian quan trọng trong thị trường tài chính, ảnh hưởng trực tiếp đến mọi lĩnh vực kinh tế và đời sống xã hội. Hoạt động kinh tế có thể bị cản trở nghiêm trọng nếu NHTM không thực hiện đúng chức năng. Do đó, Ngân hàng Nhà nước và hệ thống ngân hàng thương mại Việt Nam ngày càng chú trọng quản trị rủi ro song song với việc tăng lợi nhuận. Hệ số CAR là chỉ số quan trọng đánh giá tính ổn định và đáng tin cậy của tổ chức tài chính, giúp nhận biết rủi ro. Theo Aspal & Nazneen (2014), hệ số CAR là thước đo đánh giá tình hình tài chính của ngân hàng và có vai trò quan trọng trong việc ngăn ngừa các rủi ro. Việc tuân thủ quy định giúp nhà nước duy trì sự ổn định của ngành ngân hàng và nền kinh tế.

1.1. An Toàn Vốn Yếu Tố Cốt Lõi trong Hoạt Động Ngân Hàng

Mục tiêu đảm bảo mức an toàn vốn tối thiểu là vô cùng quan trọng đối với ngân hàng. Điều này giúp ngân hàng duy trì sự ổn định tài chính, tạo niềm tin cho người dân và đối tác. Ngân hàng được xem là cầu nối giữa người tiết kiệm và người vay, vì vậy, an toàn vốn đảm bảo vai trò trung gian tài chính hiệu quả. Một ngân hàng có mức vốn an toàn sẽ hoạt động suôn sẻ và có khả năng chống chịu các tác động tiêu cực từ nền kinh tế. Do đó, việc duy trì hệ số CAR ở mức tương xứng là một ưu tiên hàng đầu.

1.2. Rủi Ro Tín Dụng và Ảnh Hưởng Đến Hệ Số An Toàn Vốn

Rủi ro là yếu tố không thể tránh khỏi trong hoạt động ngân hàng. Rủi ro tín dụng, rủi ro thị trường, rủi ro hoạt động đều có thể ảnh hưởng tiêu cực đến hệ số CAR. Quản trị rủi ro hiệu quả giúp ngân hàng giảm thiểu thiệt hại, bảo vệ vốn tự có và duy trì hệ số CAR ở mức an toàn. Theo các quy định của Basel II và Basel III, ngân hàng cần đánh giá và quản lý rủi ro một cách toàn diện để đảm bảo an toàn vốn.

II. Thách Thức và Vấn Đề Với Hệ Số CAR tại Việt Nam 59 ký tự

Mặc dù tầm quan trọng của hệ số CAR đã được công nhận, nhưng việc duy trì và nâng cao chỉ số này vẫn là một thách thức lớn đối với các ngân hàng thương mại tại Việt Nam. Sự biến động của nền kinh tế vĩ mô, thay đổi trong chính sách tiền tệ, và sự cạnh tranh gay gắt trên thị trường tài chính đều tác động đến hệ số CAR. Các nghiên cứu trước đây cho thấy hệ số CAR của các ngân hàng thương mại trong và ngoài Việt Nam có sự biến động mạnh mẽ, đặt ra những thách thức cho nhà đầu tư và các nhà quản trị về việc duy trì và kiểm soát hệ số an toàn vốn. Đề tài này sẽ tập trung phân tích các yếu tố vi mô và vĩ mô ảnh hưởng đến hệ số CAR.

2.1. Sự Biến Động Của Môi Trường Kinh Tế Vĩ Mô và CAR

Môi trường kinh tế vĩ mô biến động khó lường, tác động trực tiếp đến khả năng sinh lời của ngân hàng và hệ số CAR. Các yếu tố như lãi suất, tỷ giá hối đoái, lạm phát, và tăng trưởng GDP đều có thể ảnh hưởng đến khả năng sinh lời và chất lượng tài sản của ngân hàng. Khi nền kinh tế suy thoái, nợ xấu có xu hướng gia tăng, làm giảm vốn tự có và hệ số CAR.

2.2. Nợ Xấu và Tác Động Đến Hệ Số An Toàn Vốn Tối Thiểu

Nợ xấu là một trong những vấn đề lớn nhất mà các ngân hàng thương mại phải đối mặt. Nợ xấu làm giảm tài sản có, ảnh hưởng trực tiếp đến vốn tự có và hệ số CAR. Để giải quyết vấn đề nợ xấu, ngân hàng cần tăng cường quản lý rủi ro tín dụng, trích lập dự phòng đầy đủ, và áp dụng các biện pháp thu hồi nợ hiệu quả. Ngân hàng Nhà nước cũng có vai trò quan trọng trong việc xây dựng và thực thi các chính sách hỗ trợ xử lý nợ xấu.

III. Quy Mô Ngân Hàng và Ảnh Hưởng Đến Hệ Số CAR 52 ký tự

Quy mô ngân hàng là một trong những yếu tố quan trọng có thể ảnh hưởng đến hệ số CAR. Các ngân hàng lớn thường có khả năng đa dạng hóa hoạt động kinh doanh và tiếp cận nguồn vốn dễ dàng hơn, giúp tăng cường an toàn vốn. Tuy nhiên, các ngân hàng lớn cũng có thể đối mặt với rủi ro hệ thống cao hơn. Nghiên cứu của Demirgüç-Kunt và Huizinga (2000) cho thấy quy mô ngân hàng có thể có tác động tích cực hoặc tiêu cực đến hệ số CAR tùy thuộc vào điều kiện kinh tế và chính sách quản lý.

3.1. Đa Dạng Hóa Hoạt Động và Nâng Cao An Toàn Vốn

Ngân hàng có quy mô lớn thường có thể thực hiện đa dạng hóa hoạt động, giảm sự phụ thuộc vào một số ngành nghề hoặc khu vực địa lý nhất định. Việc đa dạng hóa hoạt động giúp giảm thiểu rủi ro và tăng khả năng sinh lời, từ đó cải thiện hệ số CAR. Tuy nhiên, đa dạng hóa hoạt động cũng đòi hỏi ngân hàng phải có năng lực quản lý phức tạp và hệ thống kiểm soát rủi ro hiệu quả.

3.2. Tiếp Cận Nguồn Vốn và Tác Động Lên Hệ Số CAR

Ngân hàng quy mô lớn thường có khả năng tiếp cận nguồn vốn dễ dàng hơn từ thị trường trong nước và quốc tế. Khả năng huy động vốn linh hoạt giúp ngân hàng tăng cường vốn tự có và duy trì hệ số CAR ở mức an toàn. Tuy nhiên, việc lạm dụng đòn bẩy tài chính có thể làm tăng rủi ro và ảnh hưởng tiêu cực đến hệ số CAR. Do đó, ngân hàng cần cân bằng giữa việc sử dụng đòn bẩy tài chính và duy trì an toàn vốn.

IV. Hiệu Quả Hoạt Động và Ảnh Hưởng Đến Hệ Số CAR 53 ký tự

Hiệu quả hoạt động của ngân hàng, thể hiện qua các chỉ số như tỷ suất sinh lời trên tài sản (ROA), thu nhập lãi cận biên (NIM), và tỷ lệ chi phí trên thu nhập (CIR), có ảnh hưởng trực tiếp đến khả năng tạo vốn tự có và duy trì hệ số CAR. Ngân hàng hoạt động hiệu quả sẽ có lợi nhuận cao, giúp tăng vốn tự có và củng cố an toàn vốn. Ngược lại, ngân hàng hoạt động kém hiệu quả có thể phải đối mặt với nguy cơ suy giảm vốn tự có và vi phạm các quy định về hệ số CAR.

4.1. Tỷ Suất Sinh Lời ROA Thước Đo Quan Trọng

Tỷ suất sinh lời trên tài sản (ROA) là một thước đo quan trọng đánh giá khả năng sinh lời của ngân hàng. ROA cao cho thấy ngân hàng đang sử dụng tài sản một cách hiệu quả để tạo ra lợi nhuận. Lợi nhuận cao giúp tăng vốn tự có và cải thiện hệ số CAR. Các ngân hàng cần tập trung vào việc nâng cao ROA thông qua việc cải thiện hiệu quả hoạt động, giảm thiểu chi phí, và quản lý rủi ro hiệu quả.

4.2. Thu Nhập Lãi Cận Biên NIM và Hệ Số An Toàn Vốn

Thu nhập lãi cận biên (NIM) là chênh lệch giữa lãi suất cho vay và lãi suất huy động. NIM cao cho thấy ngân hàng có khả năng sinh lời từ hoạt động tín dụng tốt. NIM cao đóng góp vào lợi nhuận chung của ngân hàng, từ đó tăng vốn tự có và cải thiện hệ số CAR. Các ngân hàng cần chú trọng quản lý rủi ro lãi suất và tối ưu hóa NIM để đảm bảo an toàn vốn.

V. Ứng Dụng Kết Quả Nghiên Cứu và Giải Pháp Thực Tiễn 58 ký tự

Kết quả nghiên cứu về các yếu tố ảnh hưởng đến hệ số CAR có thể được ứng dụng để đưa ra các giải pháp thực tiễn nhằm tăng cường an toàn vốn cho các ngân hàng thương mại tại Việt Nam. Các giải pháp này có thể bao gồm tăng cường quản lý rủi ro, cải thiện hiệu quả hoạt động, điều chỉnh cấu trúc vốn, và tuân thủ nghiêm ngặt các quy định của Ngân hàng Nhà nước. Ngoài ra, Ngân hàng Nhà nước cũng cần tiếp tục hoàn thiện khung pháp lý và chính sách để hỗ trợ các ngân hàng thương mại duy trì hệ số CAR ở mức an toàn.

5.1. Quản Trị Rủi Ro Toàn Diện để Ổn Định CAR

Ngân hàng cần xây dựng hệ thống quản trị rủi ro toàn diện, bao gồm nhận diện, đo lường, giám sát, và kiểm soát rủi ro. Hệ thống quản trị rủi ro hiệu quả giúp giảm thiểu các tổn thất do rủi ro gây ra, bảo vệ vốn tự có, và duy trì hệ số CAR ở mức an toàn. Việc tuân thủ các chuẩn mực Basel II và Basel III là một bước quan trọng để nâng cao quản trị rủi ro.

5.2. Điều Chỉnh Cấu Trúc Vốn và Tăng An Toàn Vốn

Ngân hàng có thể điều chỉnh cấu trúc vốn để tăng vốn tự có và cải thiện hệ số CAR. Các biện pháp có thể bao gồm phát hành cổ phiếu mới, giữ lại lợi nhuận, và giảm tỷ lệ chi trả cổ tức. Việc tăng vốn tự có giúp ngân hàng có khả năng chống chịu các cú sốc tốt hơn và đáp ứng các yêu cầu về an toàn vốn của Ngân hàng Nhà nước.

VI. Kết Luận và Hướng Nghiên Cứu Tiếp Theo Về CAR 54 ký tự

Nghiên cứu về các yếu tố ảnh hưởng đến hệ số CAR của các ngân hàng thương mại tại Việt Nam là một chủ đề quan trọng và cần thiết. Kết quả nghiên cứu có thể cung cấp thông tin hữu ích cho các nhà quản lý ngân hàng, nhà đầu tư, và nhà hoạch định chính sách. Tuy nhiên, nghiên cứu này vẫn còn một số hạn chế cần được khắc phục trong các nghiên cứu tiếp theo. Các nghiên cứu tiếp theo có thể mở rộng phạm vi nghiên cứu, sử dụng các phương pháp phân tích tiên tiến hơn, và xem xét các yếu tố định tính khác có thể ảnh hưởng đến hệ số CAR.

6.1. Hạn Chế Của Nghiên Cứu và Đề Xuất

Một số hạn chế của nghiên cứu có thể kể đến như phạm vi nghiên cứu hạn hẹp, dữ liệu có thể chưa phản ánh đầy đủ thực tế, và phương pháp phân tích còn đơn giản. Các nghiên cứu tiếp theo có thể sử dụng dữ liệu vi mô chi tiết hơn, áp dụng các mô hình kinh tế lượng phức tạp hơn, và xem xét các yếu tố thể chế, quản trị ngân hàng, và chính sách vĩ mô ảnh hưởng đến hệ số CAR.

6.2. Chính Sách Tiền Tệ và Ảnh Hưởng Đến CAR

Chính sách tiền tệ của Ngân hàng Nhà nước có ảnh hưởng lớn đến hoạt động của các ngân hàng thương mại và hệ số CAR. Các biện pháp như điều chỉnh lãi suất, tỷ giá hối đoái, và cung tiền có thể tác động đến khả năng sinh lời, chất lượng tài sản, và cấu trúc vốn của ngân hàng. Do đó, các nghiên cứu tiếp theo cần xem xét vai trò của chính sách tiền tệ trong việc tác động đến hệ số CAR.

Nội dung chính

Bối cảnh và vấn đề nghiên cứu

Ngân hàng thương mại (NHTM) giữ vai trò là tổ chức tài chính trung gian quan trọng trong thị trường; hoạt động kinh tế của một quốc gia có thể bị cản trở nghiêm trọng nếu hệ thống ngân hàng không thực hiện đúng chức năng huy động vốn và phân bổ tín dụng. Trong những năm gần đây, Ngân hàng Nhà nước Việt Nam (NHNN) cùng toàn bộ hệ thống NHTM ngày càng chú trọng công tác quản trị rủi ro song hành với mục tiêu tăng trưởng lợi nhuận. Hệ số an toàn vốn (Capital Adequacy Ratio - CAR) là chỉ số cốt lõi phản ánh mức độ an toàn, tính ổn định và khả năng chống chịu của tổ chức tín dụng trước các rủi ro tổn thất bất ngờ phát sinh từ danh mục tài sản. Dưới sự giám sát của cơ quan quản lý, việc duy trì hệ số CAR tương xứng với quy mô và mức độ rủi ro hoạt động là yêu cầu bắt buộc, song hệ số này liên tục biến động do chịu tác động đan xen từ các yếu tố nội tại ngân hàng lẫn môi trường kinh tế vĩ mô.

Khóa luận tốt nghiệp của tác giả Lê Thị Hồng Nhân (ngành Tài chính – Ngân hàng, Trường Đại học Ngân hàng TP. Hồ Chí Minh, năm 2023) tập trung giải quyết bài toán đo lường các nhân tố tác động đến tỷ lệ an toàn vốn của các ngân hàng thương mại tại Việt Nam.

Mục tiêu nghiên cứu của đề tài:

• Mục tiêu tổng quát: Nghiên cứu các chỉ số tác động đến hệ số an toàn vốn của các NHTM tại Việt Nam giai đoạn 2013–2022; từ đó đề xuất các hàm ý nhằm cải thiện chất lượng và duy trì hệ số CAR trong tương lai.
• Mục tiêu cụ thể:
  1. Phân tích các yếu tố tác động đến hệ số an toàn vốn (CAR) của các NHTM tại Việt Nam.
  2. Phân tích và đo lường sự tác động của các yếu tố đó lên hệ số CAR thông qua việc xác định chiều hướng và mức độ ảnh hưởng bằng các mô hình phân tích định lượng.
  3. Đề xuất các khuyến nghị nhằm gia tăng chất lượng hệ số CAR cho các NHTM tại Việt Nam trong tương lai.

Câu hỏi nghiên cứu:

1. Các yếu tố nào đã có tác động đến hệ số an toàn vốn của các NHTM tại Việt Nam trong khoảng thời gian từ năm 2013 đến năm 2022?
2. Mức độ tác động của những yếu tố đó lên hệ số an toàn vốn của các NHTM tại Việt Nam như thế nào?
3. Cần đề xuất các biện pháp nào để tăng cường hệ số an toàn vốn cho các NHTM tại Việt Nam trong tương lai?

Đối tượng và phạm vi nghiên cứu:

• Đối tượng nghiên cứu: Các yếu tố ảnh hưởng đến hệ số an toàn vốn (CAR) của các NHTM tại Việt Nam.
• Phạm vi không gian: 22 NHTM Việt Nam có số liệu tài chính được công bố đầy đủ và liên tục.
• Phạm vi thời gian: Giai đoạn 10 năm từ năm 2013 đến năm 2022 (bao gồm cả chu kỳ chịu tác động từ đại dịch Covid-19).
• Phạm vi nội dung: Khảo sát tác động đồng thời của 6 yếu tố vi mô nội tại ngân hàng và 2 yếu tố kinh tế vĩ mô đến hệ số CAR.

---

Cơ sở lý thuyết và phương pháp nghiên cứu

Nghiên cứu được xây dựng trên nền tảng lý thuyết an toàn vốn ngân hàng theo chuẩn mực của Ủy ban Basel về Giám sát Ngân hàng (BCBS) qua các hiệp ước Basel I (1988), Basel II (2004) và Basel III (2010). Về mặt định nghĩa, hệ số CAR phản ánh tỷ lệ giữa vốn tự có (gồm vốn cấp 1 và vốn cấp 2) so với tổng tài sản có trọng số rủi ro (RWA - Risk-weighted Assets). Tại Việt Nam, chuẩn mực CAR được luật hóa qua hệ thống văn bản pháp lý gồm: Quyết định số 457/2005/QĐ-NHNN (quy định CAR tối thiểu 8%); Thông tư 13/2010/TT-NHNN và Thông tư 36/2014/TT-NHNN (nâng tỷ lệ CAR tối thiểu lên 9% kèm nhóm hệ số rủi ro tài sản); Thông tư 06/2016/TT-NHNN; Thông tư 41/2016/TT-NHNN (quy định CAR tối thiểu 8% tiếp cận toàn diện trụ cột 1 của Basel II gồm rủi ro tín dụng, rủi ro thị trường và rủi ro hoạt động, có hiệu lực từ 01/01/2020); Thông tư 22/2019/TT-NHNN và Thông tư 23/2020/TT-NHNN (quy định tỷ lệ CAR riêng lẻ và hợp nhất tối thiểu 9%).

Tác giả kế thừa mô hình nghiên cứu gốc của Bhattarai (2020) về các yếu tố tác động đến CAR ngành ngân hàng, đồng thời tích hợp thêm biến thu nhập lãi cận biên (NIM) theo đề xuất của Usman và cộng sự (2019) và tỷ suất sinh lời trên tổng tài sản (ROA) theo Aktas và cộng sự (2015). Phương trình hồi quy tổng quát dạng dữ liệu bảng được thiết lập như sau:

$$\text{CAR}{it} = \beta_0 + \beta_1 \text{LNSIZE}{it} + \beta_2 \text{LEV}{it} + \beta_3 \text{LIQ}{it} + \beta_4 \text{ROA}{it} + \beta_5 \text{LOA}{it} + \beta_6 \text{NIM}{it} + \beta_7 \text{GDP}{it} + \beta_8 \text{INF}{it} + \varepsilon{it}$$

Trong đó, các biến số được định nghĩa và gán giả thuyết kỳ vọng như sau:

Mã biến	Tên biến số	Cách thức đo lường	Kỳ vọng
$\text{CAR}$	Hệ số an toàn vốn	Tỷ lệ Vốn tự có / Tổng tài sản có rủi ro	Biến phụ thuộc
$\text{LNSIZE}$	Quy mô ngân hàng	Logarit tự nhiên của Tổng tài sản ($\ln(\text{Tổng tài sản})$)	$(-)$
$\text{LEV}$	Hệ số đòn bẩy tài chính	Vốn chủ sở hữu / Tổng tài sản	$(-)$
$\text{LIQ}$	Tỷ lệ thanh khoản	(Tiền mặt và tương đương tiền) / Tổng tài sản	$(+)$
$\text{ROA}$	Tỷ suất sinh lời trên tổng tài sản	Lợi nhuận sau thuế / Tổng tài sản	$(+)$
$\text{LOA}$	Hoạt động cho vay	Tổng dư nợ cho vay / Tổng tài sản	$(-)$
$\text{NIM}$	Thu nhập lãi cận biên	Thu nhập lãi thuần / Tổng tài sản sinh lời	$(+)$
$\text{GDP}$	Tốc độ tăng trưởng kinh tế	Tốc độ tăng trưởng tổng sản phẩm quốc nội hàng năm	$(+)$
$\text{INF}$	Tỷ lệ lạm phát	Tỷ lệ lạm phát hàng năm	$(-)$

Nguồn dữ liệu và quy trình phân tích kinh tế lượng:

• Dữ liệu vi mô được thu thập từ báo cáo tài chính kiểm toán hợp nhất và báo cáo thường niên của 22 NHTM Việt Nam trong giai đoạn 2013–2022, tạo thành bộ dữ liệu bảng cân bằng gồm 220 quan sát ($N=22, T=10$).
• Dữ liệu vĩ mô (GDP, INF) được trích xuất từ cơ sở dữ liệu của Ngân hàng Thế giới (World Bank).
• Công cụ tính toán và xử lý dữ liệu: Phần mềm Stata 17.
• Quy trình ước lượng: Tiến hành thống kê mô tả; phân tích tương quan Pearson; ước lượng lần lượt ba mô hình hồi quy truyền thống cho dữ liệu bảng gồm mô hình hồi quy gộp (Pooled OLS), mô hình tác động cố định (FEM) và mô hình tác động ngẫu nhiên (REM).
• Kiểm định lựa chọn mô hình: Kiểm định F-test (lựa chọn giữa Pooled OLS và FEM), kiểm định Breusch-Pagan Lagrange Multiplier (lựa chọn giữa Pooled OLS và REM), kiểm định Hausman (lựa chọn giữa FEM và REM).
• Kiểm định khuyết tật: Kiểm định Wald kiểm tra phương sai sai số thay đổi, kiểm định Wooldridge kiểm tra hiện tượng tự tương quan, tính hệ số phóng đại phương sai (VIF) kiểm tra đa cộng tuyến.
• Ước lượng mô hình hoàn thiện: Sử dụng phương pháp ước lượng mômen tổng quát (Generalized Method of Moments - GMM) nhằm xử lý triệt để hiện tượng phương sai thay đổi, tự tương quan và tính nội sinh tiềm tàng của các biến độc lập; kiểm tra độ tin cậy bằng kiểm định Arellano-Bond (AR(2)) và kiểm định Hansen.

---

Nội dung chính theo từng chương

Chương 1: Giới thiệu đề tài nghiên cứu

Chương 1 thiết lập khung định hướng cho toàn bộ khóa luận. Tác giả luận giải tính cấp thiết của việc bảo đảm hệ số an toàn vốn trong bối cảnh các ngân hàng thương mại Việt Nam đang chuyển dịch mạnh mẽ theo các chuẩn mực quốc tế như Basel II và từng bước tiếp cận Basel III. Khóa luận xác lập mục tiêu tổng quát, 3 mục tiêu cụ thể, 3 câu hỏi nghiên cứu, phạm vi nghiên cứu (22 ngân hàng giai đoạn 2013–2022), phương pháp thu thập dữ liệu thứ cấp và khái quát bố cục 5 chương của công trình. Chương này khẳng định ý nghĩa khoa học trong việc bổ sung bằng chứng thực nghiệm sau giai đoạn Covid-19 và ý nghĩa thực tiễn cho công tác quản trị rủi ro tại các ngân hàng.

Chương 2: Cơ sở lý thuyết và lược khảo nghiên cứu có liên quan

Chương 2 trình bày có hệ thống về cơ sở lý luận an toàn vốn ngân hàng. Tác giả tổng hợp sự phát triển của công thức tính CAR qua các hiệp ước Basel I (1988), Basel II (2004) và Basel III (2010), làm rõ cách phân tách vốn tự có thành vốn cấp 1 (vốn điều lệ, quỹ dự trữ bổ sung, lợi nhuận giữ lại) và vốn cấp 2 (công cụ nợ thứ cấp, dự phòng chung), cùng cơ chế tính tài sản có trọng số rủi ro. Tác giả tổng thuật chi tiết tiến trình ban hành các văn bản điều hành của NHNN từ Quyết định 457/2005/QĐ-NHNN, Thông tư 13/2010/TT-NHNN, Thông tư 36/2014/TT-NHNN, Thông tư 06/2016/TT-NHNN, Thông tư 41/2016/TT-NHNN đến Thông tư 23/2020/TT-NHNN. Phần lược khảo nghiên cứu tổng hợp 5 công trình tiêu biểu trong nước (Đào Thanh Bình và Ankenbrand, 2014; Võ Hồng Đức và cộng sự, 2014; Nguyễn Kim Chi, 2015; Đỗ Hoài Linh và cộng sự, 2019; Phạm Tiến Dũng, 2017) và 4 nghiên cứu quốc tế (Aspal & Nazneen, 2014; El-Ansary & Hafez, 2015; Shingjergji & Hyseni, 2015; Bateni và cộng sự, 2014). Tác giả chỉ ra khoảng trống nghiên cứu: các nghiên cứu trước chủ yếu dừng số liệu ở năm 2015, thiếu vắng giai đoạn bình thường mới sau dịch bệnh và ít kết hợp đồng thời cả biến nội tại lẫn biến vĩ mô.

Chương 3: Phương pháp nghiên cứu

Nội dung chương 3 chi tiết hóa mô hình kinh tế lượng 8 biến độc lập, định nghĩa các biến số và xây dựng hệ thống 8 giả thuyết nghiên cứu ($H_1$ đến $H_8$). Tác giả thiết lập sơ đồ quy trình 7 bước từ thu thập dữ liệu, thống kê mô tả, ma trận tương quan, chạy 3 mô hình (Pooled OLS, FEM, REM), thực hiện các kiểm định lựa chọn mô hình (F-test, Breusch-Pagan, Hausman), kiểm tra các khuyết tật (VIF, Modified Wald, Wooldridge) và chuyển đổi sang ước lượng GMM để khắc phục khuyết tật. Chương này trình bày chi tiết công thức đo lường của từng chỉ số tài chính và các điều kiện nghiệm của kiểm định Arellano-Bond và kiểm định Hansen trong mô hình GMM.

Chương 4: Kết quả nghiên cứu và thảo luận

Chương 4 cung cấp số liệu thực nghiệm được xử lý trên Stata 17. Bảng thống kê mô tả 220 quan sát phản ánh đặc điểm tài chính của các NHTM Việt Nam. Ma trận tương quan cho thấy hệ số tương quan giữa các biến độc lập không vượt quá ngưỡng 0,8 (cao nhất giữa NIM và ROA là 0,7495), sơ bộ loại trừ khả năng đa cộng tuyến nghiêm trọng. Tác giả thực hiện kiểm định VIF, kiểm định lựa chọn mô hình và kiểm định khuyết tật mô hình, xác nhận mô hình bị vi phạm giả định phương sai sai số thay đổi và tự tương quan. Do đó, mô hình GMM được áp dụng để đưa ra các ước lượng tham số vững. Tác giả đối chiếu kết quả thực nghiệm với các giả thuyết ban đầu, phân tích nguyên nhân tại sao LNSIZE, LEV tác động dương và ROA tác động âm trái với kỳ vọng.

Chương 5: Kết luận và khuyến nghị

Chương cuối cùng tổng kết các phát hiện chính từ mô hình GMM. Trên cơ sở đó, tác giả đưa ra các nhóm giải pháp thực tiễn hướng đến ba nhóm chủ thể: ban điều hành các NHTM (nâng cao năng lực tài chính, quản trị cơ cấu tài sản, kiểm soát chi phí huy động), Ngân hàng Nhà nước (hoàn thiện lộ trình áp dụng chuẩn mực an toàn vốn, nâng cao hiệu quả thanh tra, giám sát) và Chính phủ (duy trì ổn định kinh tế vĩ mô, kiềm chế lạm phát). Tác giả cũng chỉ rõ những giới hạn về cỡ mẫu nghiên cứu và đề xuất các hướng mở cho các nghiên cứu tiếp theo.

---

Kết quả và đóng góp

Số liệu thống kê mô tả mẫu nghiên cứu

Bộ dữ liệu gồm 220 quan sát từ 22 NHTM trong giai đoạn 2013–2022 ghi nhận các thông số cụ thể:

Tên biến	Ký hiệu	Số quan sát	Trung bình	Độ lệch chuẩn	Giá trị nhỏ nhất	Giá trị lớn nhất
Hệ số an toàn vốn	$\text{CAR}$	220	0,1312 (13,12%)	0,0365 (3,65%)	0,0800 (8,00%)	0,2800 (28,00%)
Quy mô ngân hàng	$\text{LNSIZE}$	220	8,1889	0,5102	7,1669	9,3265
Hệ số đòn bẩy	$\text{LEV}$	220	0,0908 (9,08%)	0,0549 (5,49%)	0,0406 (4,06%)	0,7332 (73,32%)
Tỷ lệ thanh khoản	$\text{LIQ}$	220	0,1461 (14,61%)	0,0634 (6,34%)	0,0156 (1,56%)	0,4256 (42,56%)
Tỷ suất sinh lời tài sản	$\text{ROA}$	220	0,0089 (0,89%)	0,0070 (0,70%)	0,0000 (0,00%)	0,0365 (3,65%)
Hoạt động cho vay	$\text{LOA}$	220	0,5957 (59,57%)	0,1095 (10,95%)	0,2253 (22,53%)	0,8006 (80,06%)
Thu nhập lãi cận biên	$\text{NIM}$	220	0,0304 (3,04%)	0,0094 (0,94%)	0,0058 (0,58%)	0,0943 (9,43%)
Tăng trưởng kinh tế	$\text{GDP}$	220	0,0609 (6,09%)	0,1803 (18,03%)	0,0256 (2,56%)	0,0802 (8,02%)
Tỷ lệ lạm phát	$\text{INF}$	220	0,0320 (3,20%)	0,1467 (14,67%)	0,0063 (0,63%)	0,0659 (6,59%)

Các giá trị cực trị ghi nhận trong mẫu:

• Hệ số $\text{CAR}$ đạt mức thấp nhất là 8% tại BIDV năm 2020 (chạm ngưỡng quy định tại Thông tư 41/2016/TT-NHNN) và cao nhất đạt 28% tại OCB năm 2017.
• Quy mô tài sản ($\text{LNSIZE}$) thấp nhất là 7,167 tại VietinBank năm 2013 và cao nhất là 9,326 tại BIDV năm 2022.
• Đòn bẩy ($\text{LEV}$) thấp nhất là 4,062% tại BIDV năm 2017 và đạt đỉnh 73,323% tại Ngân hàng TMCP Bưu điện Liên Việt năm 2014.
• Thanh khoản ($\text{LIQ}$) dao động từ 1,563% tại ABBank năm 2017 đến 42,559% tại KienlongBank năm 2021.
• $\text{ROA}$ thấp nhất là 0% tại NCB năm 2022 và cao nhất là 3,653% tại Techcombank năm 2021.
• Tỷ lệ dư nợ cho vay ($\text{LOA}$) thấp nhất là 22,525% tại MSB năm 2014 và cao nhất là 80,062% tại BIDV năm 2020.
• Chỉ số $\text{NIM}$ thấp nhất là 0,584% tại HDBank năm 2013 và cao nhất là 9,426% tại VPBank năm 2019.
• Biến vĩ mô: $\text{GDP}$ chạm đáy 2,562% vào năm 2021 do đại dịch và đạt 8,02% năm 2022; $\text{INF}$ thấp nhất là 0,631% năm 2015 và cao nhất là 6,593% năm 2013.

Kết quả hồi quy mô hình GMM

Kết quả ước lượng thông qua mô hình hồi quy GMM chỉ ra sự tác động cụ thể của các nhân tố:

• Tác động cùng chiều (+):
  • Quy mô ngân hàng ($\text{LNSIZE}$): Tác động dương có ý nghĩa thống kê lên CAR. Ngân hàng có quy mô tài sản lớn có xu hướng đa dạng hóa danh mục tài sản tốt hơn, kiểm soát rủi ro hiệu quả và sở hữu năng lực tăng vốn tự có vượt trội.
  • Đòn bẩy tài chính ($\text{LEV}$): Tác động dương lên CAR, phản ánh tỷ lệ vốn chủ sở hữu trên tổng tài sản cao trực tiếp củng cố lớp đệm vốn tự có của ngân hàng.
  • Tỷ lệ thanh khoản ($\text{LIQ}$): Tác động dương lên CAR. Việc duy trì dự trữ tiền mặt và tài sản thanh khoản cao giúp giảm thiểu rủi ro rút tiền gửi hàng loạt, bảo vệ vốn tự có.
  • Thu nhập lãi cận biên ($\text{NIM}$): Tác động dương lên CAR. Khả năng sinh lời từ hoạt động tín dụng thuần giúp ngân hàng gia tăng nguồn lợi nhuận giữ lại để bổ sung vốn tự có cấp 1.
• Tác động ngược chiều (-):
  • Tỷ suất sinh lời trên tổng tài sản ($\text{ROA}$): Tác động âm lên CAR. Thực tế tại các NHTM Việt Nam cho thấy để gia tăng tỷ suất sinh lời trên tài sản, các ngân hàng thường đẩy mạnh phân bổ vào các nhóm tài sản có mức sinh lời cao đi kèm trọng số rủi ro lớn, làm mẫu số RWA tăng nhanh hơn tốc độ tích lũy vốn tự có.
  • Tỷ lệ lạm phát ($\text{INF}$): Tác động tiêu cực lên CAR. Lạm phát làm suy giảm thu nhập thực tế của người đi vay, làm gia tăng rủi ro tín dụng và chi phí dự phòng, gây áp lực trực tiếp lên hệ số an toàn vốn.
• Không có ý nghĩa thống kê:
  • Hoạt động cho vay ($\text{LOA}$) và Tốc độ tăng trưởng kinh tế ($\text{GDP}$) không đạt mức ý nghĩa thống kê trong mô hình hồi quy GMM được lựa chọn.

Đóng góp thực tiễn và giải pháp đề xuất

Tác giả đề xuất các nhóm giải pháp chính:

1. Đối với NHTM: Tối ưu hóa cấu trúc bảng cân đối kế toán bằng cách kiểm soát chặt chẽ danh mục tài sản có rủi ro cao; nâng cao chất lượng nguồn vốn tự có thông qua việc tăng vốn điều lệ và tối ưu hóa lợi nhuận giữ lại; quản lý cân đối tỷ lệ thanh khoản và nâng cao hiệu quả thu nhập lãi thuần (NIM) thông qua kiểm soát chi phí huy động vốn.
2. Đối với Ngân hàng Nhà nước: Tiếp tục hoàn thiện khung khổ giám sát an toàn vi mô và vĩ mô; duy trì lộ trình áp dụng các tỷ lệ bảo đảm an toàn theo tiêu chuẩn Basel II và định hướng Basel III; điều hành linh hoạt các công cụ chính sách tiền tệ nhằm kiểm soát lạm phát, ổn định lãi suất thị trường.
3. Đối với Chính phủ: Đảm bảo ổn định môi trường kinh tế vĩ mô, tháo gỡ các nút thắt pháp lý để hỗ trợ thị trường vốn phát triển lành mạnh, tạo điều kiện cho các NHTM phát hành các công cụ nợ thứ cấp và cổ phiếu tăng vốn.

So với các nghiên cứu trước đây (thường chỉ khảo sát dữ liệu trước năm 2015 và sử dụng hồi quy OLS hoặc FEM/REM đơn thuần), đề tài đóng góp bằng chứng thực nghiệm cập nhật giai đoạn 2013–2022 (bao gồm cả thời kỳ dịch bệnh Covid-19) và áp dụng phương pháp ước lượng GMM để khắc phục hiện tượng nội sinh và tự tương quan trong chuỗi dữ liệu bảng của ngành ngân hàng Việt Nam.

---

Hạn chế và hướng nghiên cứu tiếp theo

Dựa trên nội dung khóa luận, tác giả chỉ ra các hạn chế nghiên cứu cụ thể:

• Giới hạn mẫu dữ liệu: Nghiên cứu mới chỉ thu thập dữ liệu của 22 NHTM do rào cản về tính minh bạch và mức độ công bố thông tin liên tục của báo cáo tài chính kiểm toán và báo cáo thường niên trong suốt 10 năm. Mẫu này chưa bao quát được toàn bộ hệ thống các tổ chức tín dụng (chưa bao gồm các ngân hàng thương mại có vốn nhà nước chưa niêm yết đầy đủ số liệu, các ngân hàng liên doanh hoặc ngân hàng 100% vốn nước ngoài).
• Giới hạn biến số: Mô hình mới chỉ tập trung vào 6 biến vi mô và 2 biến vĩ mô. Một số chỉ tiêu tài chính quan trọng khác tác động đến an toàn vốn như tỷ lệ nợ xấu (NPL), tỷ lệ trích lập dự phòng rủi ro tín dụng (LLR), tỷ lệ tiền gửi khách hàng (DEP) hay tỷ lệ chi phí trên thu nhập (CIR) chưa được đưa vào kiểm định đồng thời trong phương trình ước lượng cuối cùng.

Hướng nghiên cứu tiếp theo được đề xuất:

• Mở rộng phạm vi mẫu nghiên cứu cho toàn bộ các ngân hàng thương mại cổ phần và định chế tài chính khác tại Việt Nam khi điều kiện công bố thông tin được chuẩn hóa.
• Kéo dài chuỗi thời gian phân tích và cập nhật thêm các giai đoạn biến động kinh tế mới.
• Tích hợp thêm các chỉ tiêu đo lường rủi ro thanh khoản theo chuẩn mực Basel III (như tỷ lệ đảm bảo khả năng thanh khoản - LCR, tỷ lệ nguồn vốn ổn định ròng - NSFR) cùng các biến số vĩ mô phản ánh cú sốc quốc tế.

---

Giá trị tham khảo

Khóa luận là tài liệu tham khảo phù hợp cho sinh viên, học viên chuyên ngành Tài chính – Ngân hàng, Kinh tế học ứng dụng và Quản trị rủi ro tài chính đang thực hiện các đề tài nghiên cứu định lượng về an toàn hệ thống ngân hàng.

Nội dung công trình có giá trị chuyên môn cao ở ba khía cạnh:

1. Tổng hợp văn bản pháp quy: Cung cấp bảng hệ thống hóa chi tiết các mốc chính trong quy định về hệ số an toàn vốn của NHNN từ năm 2005 đến năm 2020 (Quyết định 457, Thông tư 13, 36, 06, 41, 16, 22, 23).
2. Quy trình kinh tế lượng thực hành: Minh họa tường minh chu trình xử lý dữ liệu bảng trên phần mềm Stata 17, từ các bước kiểm định chọn mô hình (F-test, Breusch-Pagan, Hausman) đến phát hiện khuyết tật (Wald, Wooldridge) và quy trình ước lượng GMM cùng kiểm định Arellano-Bond và Hansen.
3. Cơ sở dữ liệu thực nghiệm: Bảng tổng hợp số liệu mô tả của 22 NHTM Việt Nam trong giai đoạn 10 năm (2013–2022) phản ánh bức tranh thực trạng về CAR, quy mô, đòn bẩy, khả năng sinh lời và thanh khoản của hệ thống ngân hàng.

---

Câu hỏi thường gặp

1. Khóa luận sử dụng dữ liệu của bao nhiêu ngân hàng thương mại và trong giai đoạn nào?
Nghiên cứu sử dụng mẫu dữ liệu bảng gồm 22 ngân hàng thương mại tại Việt Nam trong giai đoạn 10 năm từ năm 2013 đến năm 2022, thu được tổng cộng 220 quan sát ($22 \times 10$). Các ngân hàng được lựa chọn dựa trên tiêu chí công bố đầy đủ báo cáo tài chính kiểm toán hợp nhất và báo cáo thường niên trong suốt chuỗi thời gian nghiên cứu.

2. Mức CAR trung bình, thấp nhất và cao nhất của các NHTM Việt Nam trong giai đoạn 2013–2022 là bao nhiêu?
Theo kết quả thống kê mô tả, hệ số CAR trung bình của các NHTM đạt 13,12% (độ lệch chuẩn 3,652%). Giá trị thấp nhất ghi nhận là 8,00% tại NHTMCP Đầu tư và Phát triển Việt Nam (BIDV) vào năm 2020; giá trị cao nhất ghi nhận là 28,00% tại NHTMCP Phương Đông (OCB) vào năm 2017.

3. Tại sao tác giả phải sử dụng phương pháp ước lượng GMM thay vì Pooled OLS, FEM hoặc REM?
Khi kiểm định các mô hình hồi quy truyền thống (Pooled OLS, FEM, REM), tác giả phát hiện dữ liệu vi phạm các giả định hồi quy cổ điển: xuất hiện hiện tượng phương sai sai số thay đổi (thông qua kiểm định Wald) và hiện tượng tự tương quan (thông qua kiểm định Wooldridge). Phương pháp ước lượng GMM (Generalized Method of Moments) được sử dụng nhằm khắc phục triệt để các khuyết tật này và xử lý vấn đề biến nội sinh trong mô hình, đảm bảo các hệ số ước lượng thu được có tính vững và hiệu quả.

4. Yếu tố nào có tác động trái với kỳ vọng ban đầu trong mô hình hồi quy GMM và nguyên nhân do đâu?
Có ba biến cho kết quả thực nghiệm ngược với dấu kỳ thuyết ban đầu:

• Quy mô ngân hàng ($\text{LNSIZE}$) và đòn bẩy tài chính ($\text{LEV}$) có tác động cùng chiều lên CAR (kỳ vọng dấu âm). Nguyên nhân do các ngân hàng quy mô lớn có điều kiện đa dạng hóa danh mục đầu tư tốt hơn, và tỷ lệ vốn chủ sở hữu cao đóng vai trò là nguồn đệm vốn trực tiếp làm tăng CAR.
• Tỷ suất sinh lời trên tổng tài sản ($\text{ROA}$) có tác động ngược chiều lên CAR (kỳ vọng dấu dương). Nguyên nhân do để đạt tỷ suất sinh lời cao, ngân hàng có xu hướng gia tăng nắm giữ các tài sản có mức sinh lời cao đi kèm hệ số rủi ro lớn, khiến tốc độ tăng của tài sản rủi ro (RWA) vượt qua tốc độ tích lũy vốn tự có.

5. Hai yếu tố nào không đạt ý nghĩa thống kê trong kết quả hồi quy GMM cuối cùng?
Hai yếu tố không đạt ý nghĩa thống kê trong mô hình GMM là tỷ lệ cho vay trên tổng tài sản ($\text{LOA}$, đại diện cho hoạt động cho vay của ngân hàng) và tốc độ tăng trưởng kinh tế ($\text{GDP}$, đại diện cho tăng trưởng vĩ mô).

---

Kết luận

Khóa luận tốt nghiệp của tác giả Lê Thị Hồng Nhân đã xây dựng thành công mô hình kinh tế lượng đo lường các yếu tố ảnh hưởng đến hệ số an toàn vốn (CAR) của 22 NHTM Việt Nam giai đoạn 2013–2022 bằng phương pháp GMM. Kết quả thực nghiệm khẳng định quy mô ngân hàng, hệ số đòn bẩy tài chính, tỷ lệ thanh khoản và thu nhập lãi cận biên có tác động cùng chiều, trong khi tỷ suất sinh lời trên tổng tài sản và lạm phát có tác động ngược chiều đến CAR. Công trình cung cấp hệ thống số liệu thực nghiệm tin cậy và cơ sở khoa học để các nhà quản trị ngân hàng và cơ quan quản lý ban hành chính sách nhằm duy trì sự an toàn và phát triển bền vững của hệ thống ngân hàng thương mại Việt Nam.

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.