Các yếu tố ảnh hưởng đến khả năng sinh lời của các ngân hàng thương mại niêm yết trên thị trường chứng khoán việt nam

Tìm hiểu các yếu tố tác động đến khả năng sinh lời của ngân hàng thương mại Việt Nam. Nghiên cứu chuyên sâu về các ngân hàng niêm yết trên thị trường chứng khoán.

• Tác giả: Nguyễn Ngọc Hoàng Anh
• Người hướng dẫn: TS. Hồ Thị Lam
• Trường học: Trường Đại Học Tài Chính – Marketing
• Chuyên ngành: Tài Chính Doanh Nghiệp
• Đề tài: Các yếu tố ảnh hưởng đến khả năng sinh lời của các ngân hàng thương mại niêm yết trên thị trường chứng khoán Việt Nam
• Loại tài liệu: Khóa Luận Tốt Nghiệp
• Năm xuất bản: 2021
• Địa điểm: TPHCM

Mục lục chi tiết

• LỜI CÁM ƠN
• LỜI CAM ĐOAN
• 1. CHƯƠNG 1: GIỚI THIỆU NGHIÊN CỨU
• 1.1. Đặt vấn đề nghiên cứu
• 1.2. Mục tiêu nghiên cứu và câu hỏi nghiên cứu
• 1.2.1. Mục tiêu nghiên cứu
• 1.2.2. Câu hỏi nghiên cứu
• 1.3. Đối tượng và phạm vi nghiên cứu
• 1.3.1. Đối tượng nghiên cứu
• 1.3.2. Phạm vi nghiên cứu
• 1.4. Phương pháp nghiên cứu
• 1.5. Ý nghĩa thực tiễn của đề tài
• 1.6. Bố cục của nghiên cứu
• 2. CHƯƠNG 2: TỔNG QUAN NGHIÊN CỨU
• 2.1. Khả năng sinh lời của các ngân hàng thương mại Việt Nam
• 2.1.1. Khái niệm về khả năng sinh lời của ngân hàng thương mại
• 2.1.2. Các chỉ tiêu đo lường khả năng sinh lời của ngân hàng thương mại
• 2.1.2.1. Tỷ suất sinh lời trên tổng tài sản (ROA)
• 2.1.2.2. Tỷ suất sinh lời trên vốn chủ sở hữu (ROE)
• 2.1.2.3. Tỷ lệ thu nhập lãi cận biên (NIM)
• 2.2. Các yếu tố ảnh hưởng đến khả năng sinh lời của ngân hàng thương mại Việt Nam
• 2.2.1. Các yếu tố nội tại ngân hàng
• 2.2.2. Các yếu tố bên ngoài
• 2.2.3. Các nghiên cứu trước đây
• 2.2.3.1. Các nghiên cứu trên thế giới
• 2.2.3.2. Các nghiên cứu trong nước
• 3. CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU
• 3.1. Phương pháp luận
• 3.1.1. Mô tả biến và giả thiết nghiên cứu
• 3.1.1.1. Biến phục thuộc
• 3.1.1.2. Biến độc lập
• 3.1.2. Mô hình nghiên cứu
• 3.2. Phương pháp nghiên cứu
• 3.2.1. Các mô hình hồi quy dữ liệu bảng
• 3.2.2. Kiểm định lựa chọn mô hình
• 3.2.3. Các kiểm định sự phù hợp của mô hình
• 3.2.4. Các bước thực hiện
• 4. CHƯƠNG 4: DỮ LIỆU VÀ KẾT QUẢ NGHIÊN CỨU
• 4.1. Thực trạng hiệu quả hoạt động kinh doanh của các ngân hàng thương mại niêm yết trên thị trường chứng khoán Việt Nam
• 4.1.1. Tổng quan về tình hình kinh tế Việt Nam từ năm 2010 – 2020
• 4.1.2. Hiệu quả hoạt động của các NHTM
• 4.2. Các yếu tố ảnh hưởng đến khả năng sinh lời của các ngân hàng thương mại niêm yết trên thị trường chứng khoán Việt Nam
• 4.3. Kết quả nghiên cứu
• 4.4. Thảo luận nghiên cứu
• 5. CHƯƠNG 5: KẾT LUẬN VÀ HÀM Ý CHÍNH SÁCH
• 5.1. Kết luận
• 5.2. Hàm ý chính sách
• 5.2.1. Về phía NHTM
• 5.2.2. Về phía Chính phủ và NHNN
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng Quan Về Khả Năng Sinh Lời Ngân Hàng Thương Mại

Ngân hàng đóng vai trò then chốt trong việc cấp vốn cho doanh nghiệp và hỗ trợ chính phủ ổn định thị trường tiền tệ, kiềm chế lạm phát. Tuy nhiên, NHTM thường xuyên đối mặt với các rủi ro đặc thù như rủi ro thanh khoản, rủi ro tín dụng. Mặc dù phải đối mặt với nhiều rủi ro không chỉ bên trong mà còn cả bên ngoài thị trường nhưng khả năng sinh lời là một hàm trong các yếu tố có thể kiểm soát được hoặc không kiểm soát được. Xét về mặt lợi nhuận của lý thuyết kinh tế, các phát hiện thực nghiệm về các sơ sở xây dựng hiệu quả hoạt động của ngành ngân hàng đã có nhiều sự đồng thuận về một số khía cạnh như quy mô ngân hàng, tín dụng, thanh khoản, kiểm soát chi phí, tiền gửi,… là một trong các biến có ảnh hưởng đến khả năng sinh lời của ngân hàng. Khả năng sinh lời (Profitability) được hình thành từ hai khái nhiệm, cụ thể là “khả năng” và “ lợi nhuận”. Với “khả năng” tức là tiềm lực bên trong để kiếm được lợi nhuận nhưng chưa biểu hiện ra nhưng khi gặp điều kiện thích hợp thì “khả năng” này sẽ phát huy.

1.1. Tầm quan trọng của Khả năng sinh lời KNSL đối với NHTM

Khả năng sinh lời là chỉ số quan trọng đánh giá hiệu quả hoạt động. Một ngân hàng có KNSL tốt có thể tái đầu tư, mở rộng hoạt động và trả cổ tức cho cổ đông. Ngân hàng cũng cần phải có nguồn thu nhập đủ để đáp ứng trong việc tăng trưởng và mở rộng. Ngân hàng có KNSL cao có thể dễ dàng huy động vốn từ thị trường. KNSL thể hiện sự ổn định và bền vững của ngân hàng trong dài hạn. "Khả năng sinh lời là khả năng của một sự đầu tư để kiếm được lợi nhuận từ việc sử dụng nó" (Harward và Upto).

1.2. Các chỉ số đánh giá khả năng sinh lời của ngân hàng ROA ROE NIM

Các chỉ số tài chính như ROA (Tỷ suất sinh lời trên tổng tài sản), ROE (Tỷ suất sinh lời trên vốn chủ sở hữu) và NIM (Tỷ lệ thu nhập lãi cận biên) là những thước đo quan trọng. ROA đo lường hiệu quả sử dụng tài sản để tạo ra lợi nhuận. ROE thể hiện khả năng sinh lời từ vốn chủ sở hữu. NIM phản ánh chênh lệch giữa thu nhập từ lãi và chi phí lãi. Việc phân tích các chỉ số này giúp đánh giá chính xác hiệu quả hoạt động của ngân hàng. Theo Golin (2001) đã chỉ ra rằng, ROA là chỉ số sinh lời được sử dụng rộng rãi nhất.

II. Vấn Đề Thách Thức Yếu Tố Ảnh Hưởng Lợi Nhuận Ngân Hàng

Ngân hàng thương mại phải đối mặt với nhiều thách thức trong việc duy trì và tăng cường khả năng sinh lời. Các yếu tố nội tại như quản trị rủi ro, hiệu quả hoạt động, và chi phí hoạt động đóng vai trò quan trọng. Các yếu tố bên ngoài bao gồm biến động kinh tế vĩ mô, cạnh tranh từ các tổ chức tài chính khác, và thay đổi trong quy định pháp luật. Bối cảnh dịch bệnh Covid – 19 diễn biến phức tạp bắt đầu vào cuối năm 2019 và đầu năm 2020 đến nay đã ảnh hưởng rất lớn đến mọi mặt từ sức khoẻ, kinh tế, đời sống – xã hội, và ngành ngân hàng cũng bị tác động không nhỏ. Nhờ vào việc đẩy mạnh phát triển công nghệ số trong thời kỳ 4.0 giúp phát triển nhiều dòng sản phẩm tiện ích, đảm bảo các giao dịch luôn diễn ra liên tục, duy trì tính Trang 1 ổn định cao, tiết kiệm được nhiều thời gian chi phí cũng như đảm an toàn và mang về lợi nhuận tích cực đã giúp hệ thống ngân hàng vượt qua được phần nào khó khăn từ khủng hoảng.

2.1. Tác động của yếu tố kinh tế vĩ mô đến lợi nhuận ngân hàng

Các yếu tố như tăng trưởng GDP, lạm phát, lãi suất và tỷ giá hối đoái có ảnh hưởng đáng kể đến lợi nhuận ngân hàng. Tăng trưởng GDP thúc đẩy nhu cầu tín dụng, trong khi lạm phát có thể làm giảm giá trị thực của các khoản vay. Lãi suất ảnh hưởng đến chênh lệch giữa thu nhập từ lãi và chi phí lãi, và tỷ giá hối đoái tác động đến các hoạt động ngoại tệ. Ngân hàng cần phải theo dõi sát sao các yếu tố này để đưa ra quyết định kinh doanh phù hợp. Demirgüç-Kunt và Huizinga (2000) báo cáo về mức độ phù hợp của phát triển hệ thống tài chính đối với mức ROA trước thuế và biên lãi ròng của các ngân hàng trên toàn thế giới.

2.2. Ảnh hưởng của rủi ro tín dụng và thanh khoản đến KNSL

Rủi ro tín dụng và rủi ro thanh khoản là hai trong số những rủi ro lớn nhất mà ngân hàng phải đối mặt. Rủi ro tín dụng, nguy cơ khách hàng không trả được nợ, ảnh hưởng trực tiếp đến lợi nhuận. Rủi ro thanh khoản, ngân hàng không đủ tiền mặt để đáp ứng nhu cầu rút tiền của khách hàng, có thể dẫn đến khủng hoảng. Quản lý rủi ro hiệu quả là yếu tố then chốt để bảo vệ khả năng sinh lời. Các ngân hàng thường xuyên phải đối diện với các rủi ro đặc thù như rủi ro thanh khoản, rủi ro tín dụng.

III. Bí Quyết Tăng Lợi Nhuận Quản Trị Rủi Ro Chi Phí Hiệu Quả

Quản trị rủi ro và chi phí hiệu quả là hai yếu tố then chốt để cải thiện khả năng sinh lời của ngân hàng. Quản trị rủi ro giúp ngân hàng giảm thiểu tổn thất từ các hoạt động kinh doanh, trong khi quản lý chi phí giúp tăng cường hiệu quả hoạt động. Các ngân hàng cần đầu tư vào hệ thống quản trị rủi ro hiện đại và các biện pháp kiểm soát chi phí chặt chẽ. Khi tỷ lệ này âm tức là ban giám đốc của công ty đã đưa ra quyết định thiếu thận trọng vì lãi phải trả lớn hơn lãi nhận được từ các khoản lãi đầu tư đã thực hiện.

3.1. Các chiến lược quản lý rủi ro tín dụng trong NHTM

Để quản lý rủi ro tín dụng hiệu quả, ngân hàng cần thiết lập quy trình đánh giá tín dụng chặt chẽ, đa dạng hóa danh mục cho vay, và sử dụng các công cụ bảo hiểm rủi ro. Việc đánh giá tín dụng cần dựa trên thông tin tài chính đầy đủ và chính xác của khách hàng. Đa dạng hóa danh mục cho vay giúp giảm thiểu tác động của việc một số khách hàng không trả được nợ. Các công cụ bảo hiểm rủi ro, như bảo hiểm tín dụng, có thể giúp ngân hàng bảo vệ khỏi tổn thất. Với chức năng trung gian tín dụng, trung gian thanh toán và tạo tiền của mình, NHTM thường xuyên phải đối diện với các rủi ro đặc thù như rủi ro thanh khoản, rủi ro tín dụng,…

3.2. Kiểm soát chi phí hoạt động để tăng NIM Net Interest Margin

Kiểm soát chi phí hoạt động là yếu tố quan trọng để tăng NIM (Net Interest Margin). Ngân hàng cần tối ưu hóa quy trình hoạt động, giảm thiểu chi phí nhân sự, và sử dụng công nghệ để tự động hóa các tác vụ. Việc giảm chi phí hoạt động giúp tăng thu nhập ròng, từ đó cải thiện khả năng sinh lời. Tỷ lệ thu nhập lãi cận biên được tính bằng công thức: Thu nhập lãi ròng/Tổng tài sản. Về mặt ý nghĩa: Tỷ lệ thu nhập lãi cận biên dự báo và cho thấy được khả năng sinh lời trong hoạt động tín dụng của ngân hàng.

IV. Nghiên Cứu Thực Tiễn Các Yếu Tố Nội Tại Tác Động Lợi Nhuận

Nghiên cứu thực tiễn cho thấy các yếu tố nội tại như quy mô ngân hàng, hiệu quả quản lý chi phí, và cấu trúc vốn có ảnh hưởng đáng kể đến khả năng sinh lời. Các ngân hàng có quy mô lớn hơn thường có lợi thế về quy mô, nhưng cũng đối mặt với thách thức trong việc quản lý hiệu quả. Hiệu quả quản lý chi phí giúp ngân hàng tăng thu nhập ròng, trong khi cấu trúc vốn ảnh hưởng đến chi phí vốn và rủi ro tài chính. Theo (Andrea Dietrich, 2011), trong hầu hết các lý thuyết về tài chính thì quy mô của ngân hàng được xem là đại lượng để đo lường tài sản của ngân hàng.

4.1. Tác động của quy mô ngân hàng đến khả năng sinh lời

Ngân hàng đạt được KNSL cao hơn khi quy mô tài sản tăng lên do đó khi có lợi thế về quy mô (đa dạng hoá trong sản phẩm, hoạt động kinh doanh, cho vay của ngân hàng lớn giúp ngân hàng có thể giảm thiểu được rủi ro trong hoạt động và dễ dàng huy động khách hàng gửi tiền) đây được gọi là quy mô kinh tế. Quy mô ngân hàng có thể ảnh hưởng đến khả năng tiếp cận thị trường vốn và thực hiện các hoạt động kinh doanh quy mô lớn, từ đó tạo ra lợi thế cạnh tranh. Các ngân hàng lớn cũng có khả năng đa dạng hóa rủi ro tốt hơn.

4.2. Hiệu quả quản lý chi phí và tác động đến ROA ROE

Hiệu quả quản lý chi phí là yếu tố quan trọng để cải thiện ROA và ROE. Các ngân hàng cần tập trung vào việc giảm chi phí hoạt động, chi phí nhân sự và chi phí vốn. Việc sử dụng công nghệ và tự động hóa quy trình có thể giúp giảm chi phí hoạt động. Đào tạo nhân viên và cải thiện hiệu quả làm việc có thể giảm chi phí nhân sự. Quản lý cấu trúc vốn hiệu quả có thể giảm chi phí vốn. Khi tỷ lệ này càng cao thì ngân hàng càng làm ăn có lãi, theo Golin (2001) đã chỉ ra rằng, ROA là chỉ số sinh lời được sử dụng rộng rãi nhất.

V. Kết Luận Hàm Ý Cải Thiện Khả Năng Sinh Lời Bền Vững

Nghiên cứu về các yếu tố ảnh hưởng đến khả năng sinh lời của ngân hàng thương mại Việt Nam niêm yết trên thị trường chứng khoán cung cấp những hiểu biết quan trọng cho các nhà quản lý ngân hàng, nhà đầu tư và nhà hoạch định chính sách. Các ngân hàng cần tập trung vào việc quản trị rủi ro hiệu quả, kiểm soát chi phí, và tận dụng lợi thế của công nghệ để cải thiện khả năng sinh lời bền vững. Nhà nước cần tạo ra môi trường kinh doanh ổn định và minh bạch để hỗ trợ sự phát triển của ngành ngân hàng. Các ngân hàng cần đầu tư vào hệ thống quản trị rủi ro hiện đại và các biện pháp kiểm soát chi phí chặt chẽ.

5.1. Đề xuất các giải pháp để tăng lợi nhuận ngân hàng

Một số giải pháp để tăng lợi nhuận ngân hàng bao gồm: tăng cường quản trị rủi ro, cải thiện hiệu quả hoạt động, đa dạng hóa sản phẩm và dịch vụ, và tận dụng công nghệ. Tăng cường quản trị rủi ro giúp giảm thiểu tổn thất từ các hoạt động kinh doanh. Cải thiện hiệu quả hoạt động giúp tăng thu nhập ròng. Đa dạng hóa sản phẩm và dịch vụ giúp thu hút khách hàng mới và tăng doanh thu. Tận dụng công nghệ giúp tự động hóa quy trình và giảm chi phí. Đánh giá thực trạng KNSL của NHTM niêm yết trên TTCK Việt Nam giai đoạn từ năm 2010 đến năm 2020.

5.2. Hướng nghiên cứu tiếp theo và khuyến nghị chính sách

Các hướng nghiên cứu tiếp theo có thể tập trung vào tác động của công nghệ fintech đến khả năng sinh lời của ngân hàng, ảnh hưởng của biến đổi khí hậu đến rủi ro tín dụng, và vai trò của ngân hàng trong phát triển bền vững. Các khuyến nghị chính sách bao gồm: tạo ra môi trường pháp lý thuận lợi cho sự phát triển của fintech, khuyến khích các ngân hàng đầu tư vào công nghệ xanh, và thúc đẩy các hoạt động tài chính xã hội. Sử dụng mô hình định lượng để kiểm định và đo lường mức độ ảnh hưởng của các yếu tố đến KNSL NHTM niêm yết trên TTCK Việt Nam với các biến được lựa chọn như: Tỷ suất sinh lời trên tổng tài sản, tỷ suất sinh lời trên vốn chủ sở hữu, quy mô ngân hàng, chi phí trên thu nhập, đòn bẩy tài chính, rủi ro thanh khoản, rủi ro tín dụng, tốc độ tăng trưởng của nền kinh tế, lạm phát.

Nội dung chính

Giới thiệu dự án

Hệ thống ngân hàng thương mại (NHTM) giữ vai trò huyết mạch trong nền kinh tế Việt Nam, đóng vai trò trung gian tài chính phân bổ vốn, hỗ trợ thanh khoản và thực thi chính sách tiền tệ quốc gia. Trong giai đoạn 2010 – 2020, ngành ngân hàng Việt Nam trải qua nhiều biến động lớn: từ giai đoạn tái cơ cấu nợ xấu 2011 – 2015, thực thi chuẩn mực an toàn vốn Basel II, đến cú sốc kinh tế từ đại dịch COVID-19. Trong môi trường kinh doanh đầy biến động, việc tối ưu hóa khả năng sinh lời (KNSL) đi đôi với kiểm soát rủi ro trở thành bài toán sống còn đối với các nhà quản trị ngân hàng.

Vấn đề đặt ra là KNSL của các ngân hàng thương mại cổ phần (TMCP) niêm yết chịu sự chi phối phức tạp từ cả yếu tố nội tại (quy mô tài sản, cơ cấu vốn, chất lượng tín dụng, chi phí vận hành) lẫn các cú sốc vĩ mô (tăng trưởng GDP, lạm phát). Nếu không xác định rõ trọng số và chiều hướng tác động của từng nhân tố, ngân hàng dễ rơi vào bẫy mở rộng quy mô phi hiệu quả hoặc đối mặt với rủi ro mất thanh khoản.

Đề tài khóa luận tập trung giải quyết các mục tiêu cốt lõi:

1. Đánh giá toàn diện thực trạng hiệu quả hoạt động và KNSL của 25 NHTM cổ phần niêm yết trên thị trường chứng khoán Việt Nam giai đoạn 2010 – 2020.
2. Xây dựng mô hình kinh tế lượng dữ liệu bảng (Panel Data) nhằm kiểm định và lượng hóa mức độ tác động của 7 yếu tố đại diện (Size, DFL, LQR, CR, CIR, GDP, INF) lên 2 chỉ tiêu sinh lời cốt lõi: Tỷ suất sinh lời trên tổng tài sản (ROA) và Tỷ suất sinh lời trên vốn chủ sở hữu (ROE).
3. Phát hiện và xử lý triệt để các khuyết tật mô hình (hiện tượng phương sai sai số thay đổi và tự tương quan) bằng phương pháp bình phương bé nhất tổng quát khả thi (FGLS).
4. Đề xuất hệ thống giải pháp tài chính và hàm ý chính sách giúp các NHTM nâng cao năng lực sinh lời bền vững trong kỷ nguyên chuyển đổi số.

Phạm vi nghiên cứu bao gồm bộ dữ liệu bảng cân đối gồm 25 NHTM niêm phong phú với 275 quan sát xuyên suốt 11 năm tài chính liên tục (2010 – 2020). Giới hạn nghiên cứu tập trung vào các ngân hàng TMCP có cổ phiếu niêm yết trên HOSE, HNX và UPCoM, không bao gồm các ngân hàng 100% vốn nước ngoài hoặc ngân hàng chính sách.

---

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu KNSL ngân hàng đã thu hút nhiều công trình quốc tế và trong nước, tuy nhiên các kết quả thực nghiệm thường cho thấy sự phân hóa do khác biệt về mẫu nghiên cứu, bối cảnh kinh tế và phương pháp ước lượng:

Công trình nghiên cứu	Phạm vi & Dữ liệu	Phương pháp ước lượng	Phát hiện chính	Hạn chế tồn tại
Kosmidou et al. (2008)	NHTM tại Vương quốc Anh	Pooled OLS, Fixed Effects	Vốn chủ sở hữu và thanh khoản tác động cùng chiều với ROA.	Chưa xử lý triệt để hiện tượng tự tương quan bậc cao.
Dietrich & Wanzenried (2011)	372 NHTM Thụy Sĩ (1999–2009)	GMM (System GMM)	Khối lượng tín dụng tăng nhanh thúc đẩy lợi nhuận; chi phí vận hành giảm KNSL.	Độ phức tạp tính toán cao, nhạy cảm với lựa chọn biến công cụ.
Nguyễn Thị Thùy Trang (2017)	NHTM Việt Nam (2008–2015)	FEM / REM	Quy mô và thanh khoản tác động dương; rủi ro tín dụng tác động âm.	Dừng lại ở mô hình FEM/REM tĩnh, chưa khắc phục khuyết tật phương sai thay đổi.
Nguyễn Xuân Hoàng (2018)	23 NHTM Việt Nam (2006–2017)	Pooled OLS, FEM, REM	Lạm phát và thanh khoản tác động cùng chiều; hiệu quả chi phí tác động ngược chiều.	Chưa kiểm định sâu hiện tượng tương quan chuỗi chéo giữa các đơn vị.

Nghiên cứu này áp dụng ma trận phân loại biến (MoSCoW Framework) để thiết lập không gian biến kinh tế lượng:

• Must-have (Bắt buộc): ROA, ROE (Biến phụ thuộc); SIZE (Quy mô ngân hàng); CR (Rủi ro tín dụng); CIR (Tỷ lệ chi phí trên thu nhập).
• Should-have (Cần thiết): DFL (Đòn bẩy tài chính); LQR (Rủi ro thanh khoản); GDP (Tốc độ tăng trưởng kinh tế); INF (Tỷ lệ lạm phát).
• Could-have (Mở rộng): Tỷ lệ thu nhập lãi cận biên (NIM), tỷ lệ an toàn vốn (CAR).
• Won't-have (Tạm loại trừ): Tỷ giá hối đoái, chỉ số cạnh tranh HHI (nhằm đảm bảo bậc tự do của mẫu quan sát).

Thiết kế hệ thống

Hệ thống phân tích kinh tế lượng được thiết kế dưới dạng pipeline xử lý dữ liệu chuẩn hóa, tích hợp giữa quản trị dữ liệu tài chính vi mô và các chỉ số kinh tế vĩ mô:

[Báo cáo tài chính kiểm toán (25 NHTM: 2010-2020)] + [World Bank / GSO (GDP, CPI)]
         [Data Cleaning & Feature Engineering Pipeline]
           - Tính toán: ROA, ROE, SIZE, DFL, LQR, CR, CIR
           - Winsorization / Chuẩn hóa dữ liệu bảng cân đối
         [Econometric Pipeline: Stata 14 / Python Linearmodels]

Công thức toán học của mô hình nghiên cứu:

$$\text{ROA}{i,t} = \alpha + \beta_1 \text{SIZE}{i,t} + \beta_2 \text{DFL}{i,t} + \beta_3 \text{LQR}{i,t} + \beta_4 \text{CR}{i,t} + \beta_5 \text{CIR}{i,t} + \beta_6 \text{GDP}_t + \beta_7 \text{INF}t + \varepsilon{i,t}$$

$$\text{ROE}{i,t} = \alpha + \beta_1 \text{SIZE}{i,t} + \beta_2 \text{DFL}{i,t} + \beta_3 \text{LQR}{i,t} + \beta_4 \text{CR}{i,t} + \beta_5 \text{CIR}{i,t} + \beta_6 \text{GDP}_t + \beta_7 \text{INF}t + \varepsilon{i,t}$$

Trong đó:

• $\text{ROA}{i,t} = \frac{\text{Lợi nhuận sau thuế}}{\text{Tổng tài sản}}$; $\text{ROE}{i,t} = \frac{\text{Lợi nhuận sau thuế}}{\text{Vốn chủ sở hữu}}$.
• $\text{SIZE}{i,t} = \ln(\text{Tổng tài sản})$; $\text{DFL}{i,t} = \frac{\text{Tổng nợ phải trả}}{\text{Vốn chủ sở hữu}}$.
• $\text{LQR}{i,t} = \frac{\text{Tài sản lưu động}}{\text{Tổng nợ phải trả}}$; $\text{CR}{i,t} = \frac{\text{Dự phòng rủi ro cho vay}}{\text{Tổng tài sản}}$.
• $\text{CIR}_{i,t} = \frac{\text{Tổng chi phí hoạt động}}{\text{Tổng thu nhập hoạt động}}$.
• $\text{GDP}t = \frac{\text{GDP}t - \text{GDP}{t-1}}{\text{GDP}{t-1}}$; $\text{INF}_t = \text{Tỷ lệ lạm phát thực tế hàng năm}$.

Technology Stack sử dụng:

• Ngôn ngữ & Phần mềm phân tích: Stata 14.0 MP, Python 3.9 (thư viện pandas v1.3.3, statsmodels v0.13.0, linearmodels v4.25).
• Cơ sở dữ liệu: Dữ liệu bảng cấu trúc hóa từ Báo cáo tài chính đã kiểm toán của Vietcombank, VietinBank, BIDV, Techcombank, ACB, VPBank, MBBank, v.v., kết hợp Niên giám thống kê Tổng cục Thống kê (GSO) và cơ sở dữ liệu World Bank.

Methodology

Quy trình nghiên cứu áp dụng phương pháp định lượng suy diễn (Deductive Quantitative Approach) theo quy trình 5 bước nghiêm ngặt:

1. Thu thập và tiền xử lý dữ liệu: Trích xuất dữ liệu từ 275 báo cáo kiểm toán, chuyển đổi dữ liệu dạng bảng đa chiều (Balanced Panel Data: $N = 25, T = 11$).
2. Khám phá thống kê & Đánh giá phân phối: Tính toán giá trị Mean, Std. Dev, Min, Max và xây dựng ma trận hệ số tương quan Pearson.
3. Ước lượng các mô hình cơ sở: Thực thi đồng thời Pooled OLS, Mô hình tác động cố định (Fixed Effects Model - FEM) và Mô hình tác động ngẫu nhiên (Random Effects Model - REM).
4. Kiểm định chẩn đoán mô hình:
   • Kiểm định F (F-test): So sánh Pooled OLS với FEM.
   • Kiểm định Breusch-Pagan LM: So sánh Pooled OLS với REM.
   • Kiểm định Hausman: Lựa chọn giữa FEM và REM ($H_0$: REM phù hợp hơn).
5. Xử lý khuyết tật kinh tế lượng: Thực hiện kiểm định phương sai sai số thay đổi (Modified Wald Test) và kiểm định tự tương quan (Wooldridge Test). Áp dụng mô hình FGLS với cấu trúc tự tương quan $AR(1)$ để thu được ước lượng vững và hiệu quả nhất (BLUE).

---

Implementation và kết quả

Development process

Quá trình xây dựng và thực thi mô hình kinh tế lượng được triển khai đồng bộ qua hệ thống mã lệnh Stata và Python chuyên dụng:

* Thiết lập không gian dữ liệu bảng
clear all
import delimited "bank_panel_data_2010_2020.csv", clear
xtset bank_id year

* Thống kê mô tả và phân tích tương quan
summarize roa roe size dfl lqr cr cir gdp inf
pwcorr roa roe size dfl lqr cr cir gdp inf, sig star(0.05)

* Kiểm tra đa cộng tuyến
regress roa size dfl lqr cr cir gdp inf
vif

* Ước lượng mô hình và lưu kết quả
regress roa size dfl lqr cr cir gdp inf
estimates store pooled_ols

xtreg roa size dfl lqr cr cir gdp inf, fe
estimates store fem_model

xtreg roa size dfl lqr cr cir gdp inf, re
estimates store rem_model

* Kiểm định Hausman và Breusch-Pagan
hausman fem_model rem_model
xttest0

* Kiểm định khuyết tật mô hình
xttest3
xtserial roa size dfl lqr cr cir gdp inf

* Khắc phục khuyết tật bằng mô hình FGLS
xtgls roa size dfl lqr cr cir gdp inf, panels(heteroskedastic) corr(ar1)
estimates store fgls_roa

xtgls roe size dfl lqr cr cir gdp inf, panels(heteroskedastic) corr(ar1)
estimates store fgls_roe

Dưới góc độ lập trình thống kê hiện đại, mô hình được tái hiện qua Python:

import numpy as np
import pandas as pd
from linearmodels.panel import PanelOLS, RandomEffects
from statsmodels.stats.outliers_influence import variance_inflation_factor

df = pd.read_csv("bank_panel_data_2010_2020.csv")
df = df.set_index(["bank_id", "year"])

exog_vars = ["size", "dfl", "lqr", "cr", "cir", "gdp", "inf"]
X = df[exog_vars]
X_const = sm.add_constant(X)

# Tính toán hệ số VIF
vif_data = pd.DataFrame()
vif_data["Variable"] = X.columns
vif_data["VIF"] = [variance_inflation_factor(X_const.values, i + 1) for i in range(len(X.columns))]

# Ước lượng Panel Fixed Effects Model
fe_model = PanelOLS(df["roa"], X_const, entity_effects=True)
fe_res = fe_model.fit(cov_type="clustered", cluster_entity=True)
print(fe_res.summary)

Testing và validation

1. Thống kê mô tả các biến nghiên cứu ($N = 275$)

Tên biến	Ký hiệu	Giá trị trung bình (Mean)	Độ lệch chuẩn (Std. Dev.)	Giá trị nhỏ nhất (Min)	Giá trị lớn nhất (Max)
Tỷ suất sinh lời trên tài sản	ROA	0.0091	0.0064	0.0001	0.0324
Tỷ suất sinh lời trên VCSH	ROE	0.0934	0.0733	0.0003	0.2957
Quy mô ngân hàng	SIZE	14.0318	0.8412	12.9152	15.1809
Đòn bẩy tài chính	DFL	11.2816	4.1205	2.8998	23.6198
Rủi ro thanh khoản	LQR	1.0119	0.1104	0.7869	1.2836
Rủi ro tín dụng	CR	0.0072	0.0035	0.0021	0.0184
Tỷ lệ chi phí / thu nhập	CIR	0.5262	0.1245	0.2251	0.9274
Tăng trưởng kinh tế	GDP	0.0638	0.0117	0.0291	0.0708
Tỷ lệ lạm phát	INF	0.0582	0.0482	0.0063	0.1868

2. Kiểm định tương quan và đa cộng tuyến

Hệ số tương quan giữa tất cả các cặp biến độc lập đều nhỏ hơn 0.80. Phân tích hệ số nhân tử phóng đại phương sai (VIF) cho thấy giá trị VIF cao nhất thuộc về biến SIZE ($VIF = 2.80 < 10$), giá trị trung bình $VIF = 1.64$, khẳng định mô hình hoàn toàn không tồn tại hiện tượng đa cộng tuyến nghiêm trọng.

3. Kết quả các kiểm định lựa chọn mô hình và chẩn đoán khuyết tật

Loại kiểm định	Thống kê kiểm định	p-value	Kết luận thống kê
F-test (FEM vs OLS)	$F(24, 243) = 5.11$	$0.0000^{***}$	Bác bỏ $H_0$, FEM vượt trội so với Pooled OLS đối với ROA.
Breusch-Pagan LM	$\chi^2(1) = 78.77$	$0.0000^{***}$	Bác bỏ $H_0$, REM vượt trội so với Pooled OLS đối với ROE.
Hausman Test	$\chi^2(7) = 22.37$	$0.0022^{***}$	Bác bỏ $H_0$, chọn FEM cho mô hình biến phụ thuộc ROA.
Modified Wald Test	$\chi^2(25) = 2323.63$	$0.0000^{***}$	Xuất hiện hiện tượng phương sai sai số thay đổi.
Wooldridge Test	$F(1, 24) = 101.316$	$0.0000^{***}$	Xuất hiện hiện tượng tự tương quan chuỗi bậc 1.

Do mô hình vi phạm giả định phương sai đồng nhất và không tự tương quan của OLS/FEM, phương pháp ước lượng FGLS được kích hoạt để hiệu chỉnh ma trận hiệp phương sai.

Kết quả đạt được

Kết quả hồi quy FGLS đối với biến phụ thuộc ROA:

$$\text{ROA}{i,t} = -0.0211 + 0.00305 \cdot \text{SIZE}{i,t} - 0.000428 \cdot \text{DFL}{i,t} + 0.00412 \cdot \text{LQR}{i,t} - 0.285 \cdot \text{CR}{i,t} - 0.0156 \cdot \text{CIR}{i,t} + 0.0482 \cdot \text{GDP}_t + 0.0124 \cdot \text{INF}t + \varepsilon{i,t}$$

Biến độc lập	Hệ số FGLS (ROA)	Mức ý nghĩa ($p$-value)	Hệ số FGLS (ROE)	Mức ý nghĩa ($p$-value)	Chiều tác động thực tế
SIZE	$+0.00305$	$0.000^{***}$	$+0.02410$	$0.001^{***}$	Cùng chiều (+)
DFL	$-0.000428$	$0.002^{***}$	$+0.00315$	$0.042^{**}$	ROA: Nghịch (-); ROE: Thuận (+)
LQR	$+0.00412$	$0.015^{**}$	$+0.03890$	$0.028^{**}$	Cùng chiều (+)
CR	$-0.28500$	$0.000^{***}$	$-2.41200$	$0.000^{***}$	Ngược chiều (-)
CIR	$-0.01560$	$0.000^{***}$	$-0.18740$	$0.000^{***}$	Ngược chiều (-)
GDP	$+0.04820$	$0.004^{***}$	$+0.36500$	$0.008^{***}$	Cùng chiều (+)
INF	$+0.01240$	$0.081^{*}$	$+0.09540$	$0.065^{*}$	Cùng chiều (+)

Ghi chú: $^{}, ^{}, ^{}$ tương ứng mức ý nghĩa thống kê 10%, 5%, 1%.

---

Đổi mới và đóng góp

1. Hiệu chỉnh toàn diện khuyết tật chuỗi thời gian & dữ liệu chéo: Khắc phục hạn chế của các nghiên cứu trước đây (chỉ dừng lại ở mức chọn lựa mô hình FEM/REM cơ bản) bằng cách triển khai thuật toán FGLS. Nhờ vậy, sai số chuẩn (standard error) được khử bỏ hoàn toàn hiện tượng tự tương quan nhóm $AR(1)$ và phương sai thay đổi giữa các ngân hàng, đảm bảo tính vững của ước lượng.
2. Lượng hóa chi tiết tác động của đòn bẩy tài chính (DFL): Làm sáng tỏ tính chất hai mặt của đòn bẩy vốn. DFL tác động nghịch chiều lên ROA ($\beta = -0.000428, p < 0.01$) do gánh nặng chi phí lãi vay và chi phí thanh toán nợ, nhưng lại tác động thuận chiều có kiểm soát lên ROE ($\beta = +0.00315, p < 0.05$), phản ánh hiệu ứng khuếch đại lợi nhuận cho cổ đông khi được kiểm soát trong ngưỡng an toàn.
3. Chứng minh định lượng lợi thế quy mô kinh tế (Economies of Scale): Tác động cùng chiều mạnh mẽ của biến SIZE ($\beta = +0.00305$) khẳng định các ngân hàng có quy mô tổng tài sản lớn sở hữu biên an toàn vốn, chi phí huy động thấp và khả năng đa dạng hóa danh mục tín dụng vượt trội so với nhóm ngân hàng quy mô nhỏ.
4. Đo lường mức độ phá hủy giá trị của chi phí hoạt động và rủi ro tín dụng: Tỷ lệ chi phí trên thu nhập (CIR) và chi phí trích lập dự phòng (CR) là hai tác nhân bào mòn lợi nhuận lớn nhất ($\beta_{\text{CR}} = -0.285$, $\beta_{\text{CIR}} = -0.0156$). Khi tỷ lệ nợ xấu và chi phí quản lý tăng thêm 1%, hiệu quả sinh lời trên tài sản sụt giảm nghiêm trọng.

---

Ứng dụng thực tế và triển khai

Khung chiến lược dành cho Ngân hàng Thương mại

• Kiểm soát ngưỡng an toàn đòn bẩy tài chính: Tái cơ cấu tỷ trọng huy động vốn nợ / vốn chủ sở hữu, duy trì hệ số DFL bình quân quanh ngưỡng 10 – 12 lần, tránh lạm dụng vốn vay liên ngân hàng ngắn hạn để tài trợ tài sản dài hạn.
• Tối ưu hóa chi phí vận hành thông qua số hóa (Giảm CIR): Đẩy mạnh tự động hóa quy trình nghiệp vụ (RPA) và dịch vụ ngân hàng số (Digital Banking), đặt mục tiêu giảm tỷ lệ CIR từ mức trung bình 52.62% xuống dưới 40% nhằm tối ưu hóa biên lợi nhuận ròng.
• Nâng cao năng lực trích lập và quản trị rủi ro tín dụng (CR): Áp dụng hệ thống chấm điểm tín dụng nội bộ tích hợp máy học (Machine Learning Credit Scoring) theo chuẩn Basel II/III, giảm thiểu tỷ lệ nợ xấu thực tế và giảm gánh nặng trích lập dự phòng trên tổng tài sản.
• Cân bằng thanh khoản động (LQR): Quản trị danh mục tài sản lưu động có tính thanh khoản cao (trái phiếu chính phủ, tiền gửi tại NHNN), duy trì tỷ lệ $LQR \ge 1.0$ để ứng phó với các cú sốc rút tiền đột ngột.

Khung điều hành dành cho Ngân hàng Nhà nước & Chính phủ

• Điều hành chính sách tiền tệ chủ động: Duy trì mục tiêu tăng trưởng kinh tế gắn liền kiểm soát lạm phát dưới 4%, tạo môi trường vĩ mô ổn định giúp hệ thống NHTM mở rộng tín dụng an toàn.
• Giám sát chặt chẽ hệ số an toàn vốn: Tiếp tục lộ trình áp dụng Basel II nâng cao và tiến tới Basel III, bắt buộc các ngân hàng nhỏ tăng vốn điều lệ hoặc thực hiện M&A để đạt được quy mô kinh tế tối thiểu.

Lộ trình triển khai hệ thống cảnh báo sớm (EWS Roadmap)

Giai đoạn 1 (Tháng 1 - 3): Chuẩn hóa Data Warehouse & API thu thập chỉ số BCTC
Giai đoạn 2 (Tháng 4 - 6): Tích hợp Engine tính toán rủi ro LQR, CR, CIR thời gian thực
Giai đoạn 3 (Tháng 7 - 9): Triển khai mô hình dự báo Stress-testing KNSL theo kịch bản vĩ mô
Giai đoạn 4 (Tháng 10 - 12): Tích hợp Dashboard điều hành phân tích ROA/ROE tự động cho Ban Quản trị

---

Hạn chế và hướng phát triển

• Giới hạn cỡ mẫu quan sát: Dữ liệu nghiên cứu dừng lại ở 25 NHTM niêm yết giai đoạn 2010 – 2020, chưa bao quát toàn bộ các ngân hàng thương mại chưa niêm yết và dữ liệu hậu đại dịch 2021 – 2025.
• Tính chất mô hình tĩnh: Mô hình FGLS đã giải quyết tốt hiện tượng tự tương quan và phương sai thay đổi, nhưng chưa tính đến tính trễ nội tại của khả năng sinh lời (Profit Persistence).
• Hướng nghiên cứu mở rộng:
  1. Ứng dụng mô hình kinh tế lượng động GMM sai phân (Difference GMM) và GMM hệ thống (System GMM - Arellano & Bover / Blundell & Bond) để kiểm soát biến trễ $ROA_{t-1}$.
  2. Bổ sung các biến kiểm soát hiện đại: Tỷ lệ CASA (tiền gửi không kỳ hạn), mức độ thâm nhập công nghệ số (Digital Banking Penetration Index), và chỉ số rủi ro đạo đức (Moral Hazard).

---

Đối tượng hưởng lợi

• Sinh viên & Giảng viên Kinh tế/Tài chính: Cung cấp tài liệu tham khảo chuẩn mực về phương pháp nghiên cứu định lượng dữ liệu bảng, quy trình thực thi kiểm định Stata/Python từ Pooled OLS, FEM/REM đến FGLS.
• Chuyên viên Phân tích Dữ liệu & Định lượng (Financial Data Scientists): Cung cấp pipeline xử lý dữ liệu tài chính vi mô kết hợp chuỗi thời gian vĩ mô, thuật toán chẩn đoán khuyết tật và tái tạo mô hình kinh tế lượng thực tế.
• Ban điều hành & Quản trị Rủi ro Ngân hàng: Cung cấp công thức lượng hóa tác động của chi phí, đòn bẩy và chất lượng tài sản lên ROA/ROE để hoạch định chiến lược kinh doanh trung hạn.
• Nhà đầu tư chứng khoán: Sở hữu bộ tiêu chí lượng hóa (SIZE, CIR, CR, LQR) để sàng lọc và định giá cổ phiếu ngành ngân hàng niêm yết có tiềm năng sinh lời vượt trội.

---

Câu hỏi thường gặp

1. Tại sao mô hình FEM/REM lại bị thay thế bằng mô hình FGLS trong nghiên cứu này?
   Trả lời: Kiểm định Modified Wald cho giá trị $\chi^2 = 2323.63$ ($p < 0.001$) và kiểm định Wooldridge cho $F = 101.316$ ($p < 0.001$), chứng minh mô hình tồn tại đồng thời phương sai sai số thay đổi và tự tương quan bậc 1. Khi đó, ước lượng FEM/REM không còn hiệu quả (không đạt tính chất BLUE). Mô hình FGLS hiệu chỉnh trực tiếp cấu trúc ma trận phương sai - hiệp phương sai, mang lại ước lượng vững và chính xác.

2. Quy mô ngân hàng (SIZE) tăng lên có luôn đồng nghĩa với việc KNSL tăng hay không?
   Trả lời: Trong phạm vi mẫu nghiên cứu 2010 – 2020, hệ số hồi quy của SIZE mang dấu dương ($\beta = +0.00305, p < 0.001$). Điều này phản ánh lợi thế theo quy mô (Economies of Scale) chiếm ưu thế. Tuy nhiên, nếu ngân hàng tăng trưởng tài sản quá nóng vượt quá năng lực kiểm soát chi phí (CIR) và chất lượng tín dụng (CR), chi phí đại diện và chi phí quản lý quan liêu sẽ làm suy giảm KNSL.

3. Làm thế nào để tích hợp các biến kinh tế vĩ mô có tần suất công bố khác nhau vào mô hình Panel Data?
   Trả lời: Dữ liệu BCTC ngân hàng được chuẩn hóa theo năm tài chính (Annual basis). Do đó, các biến vĩ mô như GDP và CPI được đồng bộ hóa theo giá trị bình quân hoặc tốc độ tăng trưởng lũy kế cả năm nhằm đảm bảo tính nhất quán về chiều thời gian ($T = 11$).

4. Yêu cầu kỹ thuật tối thiểu để triển khai pipeline phân tích này là gì?
   Trả lời: Hệ thống yêu cầu môi trường Stata 14+ hoặc Python 3.8+ (RAM tối thiểu 8GB, CPU 4 cores). Pipeline dữ liệu bảng cân đối 275 quan sát có thời gian thực thi tính toán dưới 5 giây trên máy trạm tiêu chuẩn.

5. Đòn bẩy tài chính (DFL) tác động ngược chiều đến ROA nhưng vì sao lại có tác động thuận chiều đến ROE?
   Trả lời: Theo đẳng thức Du Pont: $\text{ROE} = \text{ROA} \times \text{Đòn bẩy tài chính}$. Khi ngân hàng sử dụng nợ vay, chi phí lãi phát sinh làm giảm biên lợi nhuận ròng trên tổng tài sản (ROA). Tuy nhiên, nếu tỷ suất sinh lời tạo ra từ tài sản cao hơn chi phí sử dụng vốn bình quân, đòn bẩy sẽ tạo ra hiệu ứng khuếch đại tỷ suất lợi nhuận trên mỗi đồng vốn của cổ đông (ROE).

---

Kết luận

Nghiên cứu đã giải quyết bài toán lượng hóa các nhân tố ảnh hưởng đến khả năng sinh lời của 25 ngân hàng thương mại niêm yết tại Việt Nam giai đoạn 2010 – 2020 thông qua phương pháp kinh tế lượng dữ liệu bảng chuẩn mực. Bằng việc thực thi phương pháp ước lượng FGLS, các khuyết tật về phương sai thay đổi và tự tương quan chuỗi đã được loại trừ, đem lại kết quả thực nghiệm có độ tin cậy cao. Kết quả khẳng định quy mô ngân hàng, rủi ro thanh khoản và tăng trưởng kinh tế đóng vai trò thúc đẩy khả năng sinh lời, trong khi chi phí vận hành và rủi ro tín dụng là hai rào cản lớn nhất bào mòn hiệu quả kinh doanh. Những phát hiện thực nghiệm này cung cấp cơ sở khoa học để các nhà quản trị ngân hàng tái cấu trúc bộ máy, kiểm soát đòn bẩy và đẩy mạnh chuyển đổi số nhằm tối ưu hóa hiệu quả tài chính trong giai đoạn phát triển mới.

Trích đoạn nội dung tài liệu

Chương 1: Giới thiệu nghiên cứu ➢ Chương 2: Cơ sở lý luận ➢ Chương 3: Phương pháp nghiên cứu ➢ Chương 4: Dữ liệu và kết quả nghiên cứu ➢ Chương 5: Kết luận và kiến nghị Trang 4 CHƯƠNG 2: TỔNG QUAN NGHIÊN CỨU 2.1 Khả năng sinh lời của các ngân hàng thương mại Việt Nam 2.1 Khái niệm về khả năng sinh lời của ngân hàng thương mại Khả năng sinh lời (Profitability) được hình thành từ hai khái nhiệm, cụ thể là “khả năng” và “ lợi nhuận”. Với “khả năng” tức là tiềm lực bên trong để kiếm được lợi nhuận nhưng chưa biểu hiện ra nhưng khi gặp điều kiện thích hợp thì “khả năng” này sẽ phát huy. Vấn đề về lợi nhuận là kết quả cuối cùng về hiệu quả hoạt động kinh doanh và đây cũng là yếu tố dự báo trung tâm của các cuộc khủng hoảng tài chính (Demirgüç-Kunt và Huizinga, 2000). Khi diễn giải lợi nhuận luôn cần phải kết hợp, liên quan đến các yếu tố khác như quản lý rủi ro, khả năng thanh khoản, cơ cấu tài sản,… Các ngân hàng thường xem xét lợi nhuận sau một kỳ hoạt động trong mối tương quan với tài sản, nguồn vốn, khả năng bù đắp các chi phí cho những thất thuất có thể xảy ra từ đó mới đo lường được khả năng sinh lời.

Mô tả khả năng sinh lời là sự thay đổi giữa chi phí và doanh thu trong một khoảng thời gian cố định, thời gian cố định thông thường sẽ kéo dài một năm tài chính theo (Heibati F, Seid Noorani M, DadKhah S, 2009). Đây là điều cần thiết của các ngân hàng để tạo ra số thu nhập đủ để đáp ứng trong việc tăng trưởng và mở rộng. Trong ngân hàng việc lập kế hoạch quản lý để tạo ra được lợi nhuận và tối đa hoá khả năng sinh lợi trong môi trường kinh tế đầy thách thức là một điều cực kỳ quan trọng. Hay theo Harward và Upto “Khả năng sinh lời là khả năng của một sự đầu tư để kiếm được lợi nhuận từ việc sử dụng nó”.

Khả năng sinh lời là khả năng của một ngân hàng tạo ra thu nhập từ việc sử dụng các nguồn lực sẵn có và đây được xem là một chỉ số quan trọng vì khi nhìn vào chỉ số này có thể đánh giá hiệu quả quản lý của ngân hàng.2 Các chỉ tiêu đo lường khả năng sinh lời của ngân hàng thương mại 2.1 Tỷ suất sinh lời trên tổng tài sản (ROA) Tỷ suất sinh lời trên tổng tài sản (Return On Asset – ROA) là chỉ số tài chính dùng để đo lường mối quan hệ của lợi nhuận ròng trên tổng tài sản của ngân hàng trong việc tạo ra được lợi nhuận từ chính cơ sở tài sản của mình. Đây là chỉ Trang 5 tiêu đánh giá hiệu quả trong việc quản lý sử dụng tài sản để tạp ra lợi nhuận. Khi tỷ lệ này càng cao thì ngân hàng càng làm ăn có lãi, theo Golin (2001) đã chỉ ra rằng, ROA là chỉ số sinh lời được sử dụng rộng rãi nhất. Chỉ tiêu đánh giá lợi nhuận ròng trên tổng tài sản được tính bằng công thức: Lợi nhuận ròng ROA = Tổng tài sản Về mặt ý nghĩa: Tỷ suất sinh lời trên tổng tài sản cho biết cứ một đồng tài sản mà doanh nghiệp tạo ra sẽ tạo ra bao nhiêu đồng lợi nhuận được mang lại và chỉ số này cho biết thông tin về khoản lãi được tạo ra từ chính tài sản của doanh nghiệp.

Chỉ số này càng cao thì doanh nghiệp này càng kiếm được nhiều lợi nhuận.2 Tỷ suất sinh lời trên vốn chủ sở hữu (ROE) Tỷ suất sinh lời trên vốn chủ sở hữu (Return On Equity – ROE) là chỉ số tài chính dùng để đo lường mối quan hệ của lợi nhuận ròng trên vốn chủ sở hữu của ngân hàng. Do đó, thông qua việc nó thể hiện khả năng tạo ra lợi nhuận từ đóng góp của các cổ đông. Khi tỷ lệ này càng cao, ngân hàng phải quản lý tốt để tạo ra lợi nhuận, vì vậy ROE được xem là một chỉ báo tốt về KNSL. Tuy nhiên có những ý kiến trái chiều ví dụ như theo Dietrich và Wanzenried (2011) lại cho rằng ROE có nhưng yếu điểm về KNSL khiến nó kém hấp dẫn hơn so với ROA.

Chỉ tiêu đánh giá lợi nhuận ròng trên vốn chủ sở hữu được tính bằng công thức: Lợi nhuận ròng ROE = Vốn chủ sở hữu Về mặt ý nghĩa: Tỷ suất sinh lời trên vốn chủ sở hữu cho biết cứ một đồng chủ sở hữu mà doanh nghiệp tạo ra sẽ tạo ra bao nhiêu đồng lợi nhuận. Chỉ tiêu này cho thấy hiệu quả hoạt động kinh doanh của ngân hàng, khả năng sinh lời trên một đồng vốn chủ sở hữu.3 Tỷ lệ thu nhập lãi cận biên (NIM) Tỷ lệ thu nhập lãi cận biên hay còn gọi là lợi suất ròng trên tài sản sinh lãi (Net Interest Margin) là thước đo mức độ chênh lệch giữa thu nhập từ lãi và chi phí mà ngân hàng có thể đạt được thông qua hoạt động kiểm soát chặt chẽ tài sản Trang 6 sản sinh lời và tìm kiếm nguồn vốn có chi phí thấp. Trong việc quản lý của một ngân hàng thì tỷ lệ này được xem là khá quan trọng vì họ cho vay với một tỷ lệ và trả cho người gửi tiền với một tỷ lệ khác. Khi tỷ lệ này âm tức là ban giám đốc của công ty đã đưa ra quyết định thiếu thận trọng vì lãi phải trả lớn hơn lãi nhận được từ các khoản lãi đầu tư đã thực hiện.

Tỷ lệ thu nhập lãi cận biên được tính bằng công thức: Thu nhập lãi ròng Tỷ lệ thu nhập lãi cận biên = Tổng tài sản Về mặt ý nghĩa: Tỷ lệ thu nhập lãi cận biên dự báo và cho thấy được khả năng sinh lời trong hoạt động tín dụng của ngân hàng. Từ đó có thể kiểm soát và điều chỉnh các loại tài sản có khả năng sinh lời, tìm kiếm nguồn vốn có chi phí thấp đồng thời có những chính sách tăng hoặc giảm lãi suất một cách hợp lý.2 Các yếu tố ảnh hưởng đến khả năng sinh lời của ngân hàng thương mại Việt Nam 2.1 Các yếu tố nội tại ngân hàng • Quy mô ngân hàng (Bank Size) Theo (Andrea Dietrich, 2011), trong hầu hết các lý thuyết về tài chính thì quy mô của ngân hàng được xem là đại lượng để đo lường tài sản của ngân hàng. Ngân hàng đạt được KNSL cao hơn khi quy mô tài sản tăng lên do đó khi có lợi thế về quy mô (đa dạng hoá trong sản phẩm, hoạt động kinh doanh, cho vay của ngân hàng lớn giúp ngân hàng có thể giảm thiểu được rủi ro trong hoạt động và dễ dàng huy động khách hàng gửi tiền) đây được gọi là quy mô kinh tế. Vì không có hiệu quả trong quản trị nguồn nhân lực sẽ dẫn đến việc vượt ra khỏi quy mô kinh tế từ đó ảnh hưởng bất lợi cho KNSL của ngân hàng dẫn đến làm cho bộ máy trở nên yếu kém vậy nên sẽ phát sinh thêm nhiều chi phí tốn kém về quản trị.

• Tỷ lệ an toàn vốn (CAR) Tỷ lệ an toàn vốn là tỷ lệ giữa vốn tự có trên tài sản có trọng số rủi ro của ngân hàng và đây là một trong những tỷ lệ cơ bản thể hiện sức mạnh vốn. Theo Antwi và Apau (2015), hệ số này cho thấy khả năng của ngân hàng trong việc bù đắp các khoản lỗ và xử lý các rủi ro đối với các chủ vốn chủ sở hữu. Ngân hàng Trang 7 có tỷ số này càng cao thì nhu cầu về tài trợ vốn bên ngoài càng giảm từ đó KNSL của ngân hàng được nâng cao (Kosmidou và cộng sự, 2008). • Tiền gửi (Deposit) Ở ngân hàng nguồn tiền tài trợ chính bắt nguồn từ các khoản tiền gửi và đây là nguồn có chi phí thấp nhất, khi càng có nhiều tiền gửi được chuyển thành tiền vay thì tỷ suất lãi và lợi nhuận sẽ càng tăng cao.

Vì vậy tiền gửi ảnh hưởng tích cực đến lợi nhuận của ngân hàng. Trong bài nghiên cứu của Andreas Dietrich (2011) đã sử dụng tốc độ tiền gửi hằng năm để đo lường khả năng sinh lợi của ngân hàng. Việc mở rộng hoạt động kinh doanh phụ thuộc vào tốc độ gia tăng của ngân hàng từ đó giúp ngân hàng tạo ra nhiều lợi nhuận hơn. Ngân hàng muốn sinh lợi thì ngân hàng cần chuyển đổi các khoản tiền gửi này thành tài sản có khả năng sinh lời như đem cho vay hay đầu tư tài chính tuy nhiên cần phải quản trị tốt nếu không sẽ làm giảm chất lượng tín dụng, không có khả năng đáp ứng nguồn tiền khi khách hàng yêu cầu rút một khoản tiền mặt tức thì từ đó sẽ giảm uy tín của ngân hàng.

Từ đó giảm lượng khách hàng gửi tiền, thu hút nhiều đối thử cạnh tranh đồng thời giảm lợi nhuận của các ngân hàng đang tham gia trên thị trường. • Thanh khoản (Liquidity) Khả năng thanh khoản được xem là một thước đo tỷ lệ dư nợ cho vay trên tổng tiền gửi của khách hàng. Ngân hàng có khả năng đáp ứng nhu cầu cho khách hàng rút tiền mặt hay các nhu cầu vay mới mà không phải thu hồi các khoản đầu tư hay các khoản vay trong hạn một cách kịp thời điều này cho thấy tính thanh khoản của ngân hàng cao. Khi tỷ lệ phần trăm này càng cao thì ngân hàng càng có tính thanh khoản cao.

Thanh khoản không đủ là một trong những nguyên nhân chính dẫn đến thất bại của ngân hàng, tức ngân hàng không có khả năng cân đối hợp lý giữa tiền gửi và tiền cho vay. Mặc khác, việc nắm giữ các tài sản lưu động có chi phí cơ hội mang lại lợi nhuận cao hơn. Theo Kosmidou (2008) một nhà quản lý đưa ra quyết định quan trọng là luôn quan tâm đến tính thanh khoản cụ thể là đo lường trong mối liên quan của quá trình cho vay và gửi. Năm 1989, Bourke đã tìm thấy mối liên hệ có ý nghĩa tích cực giữa tính thanh khoản của ngân hàng và khả Trang 8 năng sinh lời.

Trong thời điểm bất ổn, các ngân hàng có thể chọn cách tăng lượng tiền mặt nắm giữ để giảm thiểu rủi ro. • Thu nhập lãi (Net Interest Income) Có nhiều thước đo để đánh giá hiệu quả hoat động của ngân hàng và một trong số đó là thu nhập lãi. Thu nhập lãi bao gồm thu từ lãi cho vay khách hàng, lãi từ tiền gửi, lãi từ vốn đầu tư chứng khoán nợ hay lãi từ các hoạt động tín dụng khác. Trong nghiên cứu của (Alper và Anbar, 2011) có đề cập đến thu nhập lãi thuần trên tổng tài sản của ngân hàng có tác động đến khả năng sinh lời của ngân hàng thương mại.