Giới thiệu dự án

Ngành ngân hàng đóng vai trò huyết mạch trong việc chu chuyển vốn và thúc đẩy tăng trưởng kinh tế vĩ mô. Tuy nhiên, bối cảnh tài chính giai đoạn 2012–2020 chứng kiến nhiều biến động phức tạp: từ quá trình tái cơ cấu hệ thống tổ chức tín dụng, xử lý nợ xấu tồn đọng sau khủng hoảng, đến cú sốc bất đối xứng do đại dịch COVID-19 bùng phát đầu năm 2020. Theo thống kê của Ngân hàng Nhà nước (NHNN), tính đến ngày 29/05/2020, tăng trưởng tín dụng toàn hệ thống chỉ đạt 1,96% so với cuối năm 2019 — mức thấp kỷ lục trong vòng 15 năm. Đồng thời, báo cáo tài chính Quý I/2020 của 18 ngân hàng thương mại (NHTM) niêm yết ghi nhận lợi nhuận sau thuế (LNST) sụt giảm 11,5% so với Quý IV/2018 và biên lãi thuần (NIM - Net Interest Margin) sụt giảm 1,1 điểm cơ bản xuống ngưỡng tiệm cận 0.

Trước áp lực quản trị rủi ro và các tiêu chuẩn khắt khe từ Thông tư 41/2016/TT-NHNN (chuẩn mực Basel II), việc xác định chính xác các nhân tố quyết định khả năng sinh lời trở thành bài toán sống còn cho các nhà quản trị ngân hàng.

Đề tài khóa luận tập trung giải quyết các điểm nghẽn (pain points) thực tế:

  • Sự phân hóa lợi nhuận rõ nét giữa nhóm NHTM cổ phần quy mô lớn và nhóm quy mô vừa/nhỏ.
  • Mức độ rủi ro tín dụng tiềm ẩn làm xói mòn lợi nhuận qua trích lập dự phòng rủi ro.
  • Hiệu quả kiểm soát chi phí hoạt động ngoài lãi chưa tối ưu.
  • Sự biến động của các yếu tố kinh tế vĩ mô (GDP, lạm phát) và mức độ tập trung thị trường tác động đa chiều đến hiệu quả tài chính.

Mục tiêu của dự án nghiên cứu:

  1. Hệ thống hóa cơ sở lý luận về hiệu quả tài chính và các chỉ tiêu đo lường lợi nhuận của NHTM.
  2. Đánh giá thực trạng hiệu quả sinh lời (ROA, ROE) của 22 NHTM Việt Nam giai đoạn 2012–2019.
  3. Xây dựng và kiểm định mô hình kinh tế lượng để lượng hóa chiều hướng và mức độ tác động của 7 biến độc lập (nội tại và vĩ mô) đến ROA và ROE.
  4. Đề xuất hệ thống giải pháp định lượng thực tiễn cho ban điều hành NHTM và kiến nghị chính sách cho Ngân hàng Nhà nước.

Nghiên cứu ứng dụng phương pháp kinh tế lượng định lượng trên dữ liệu bảng cân đối (Balanced Panel Data) với 176 quan sát từ 22 NHTM cổ phần tại Việt Nam (chiếm hơn 70% tổng số NHTM và nắm giữ 46.983.206 tỷ đồng tổng tài sản toàn hệ thống tính đến 31/12/2019). Phương pháp tiếp cận kết hợp giữa Pooled OLS, mô hình tác động cố định (FEM), mô hình tác động ngẫu nhiên (REM) và phương pháp bình phương nhỏ nhất tổng quát khả thi (GLS/FGLS) nhằm xử lý triệt để hiện tượng phương sai sai số thay đổi và tự tương quan bậc một.

Phạm vi và giới hạn nghiên cứu:

  • Không gian: 22 NHTM cổ phần đang hoạt động tại Việt Nam có đầy đủ báo cáo tài chính kiểm toán liên tục.
  • Thời gian: Chuỗi dữ liệu 8 năm liên tục (2012–2019).
  • Dữ liệu vĩ mô: Số liệu tăng trưởng GDP và lạm phát (INF) được trích xuất từ cơ sở dữ liệu của Ngân hàng Thế giới (World Bank) và Tổng cục Thống kê.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu hiệu quả sinh lời của ngân hàng thường dựa trên hai trường phái lý thuyết chính: Cấu trúc - Hành vi - Hiệu quả (SCP - Structure-Conduct-Performance) và Giả thuyết Cấu trúc Hiệu quả (ESH - Efficient Structure Hypothesis). Tại Việt Nam, nhiều nghiên cứu trước đây còn hạn chế về phương pháp xử lý khuyết tật mô hình hoặc sử dụng cỡ mẫu ngắn hạn.

Phương pháp nghiên cứu Ưu điểm Nhược điểm Đánh giá trong bối cảnh đề tài
Hồi quy OLS cổ điển (Cross-sectional OLS) Đơn giản, dễ ước lượng tham số. Bỏ qua đặc trưng riêng lẻ không quan sát được của từng ngân hàng ($u_i$). Gây sai lệch nghiêm trọng và chệch hệ số ước lượng.
Chuỗi thời gian tổng hợp (Time-series) Đánh giá tốt xu hướng vĩ mô theo thời gian. Không phản ánh được tính không đồng nhất giữa các ngân hàng. Không phân hóa được tác động nội tại của từng cấu trúc vốn.
Dữ liệu bảng đa mô hình (Panel: FEM/REM/GLS) Kiểm soát tính không đồng nhất, tận hưởng không gian dữ liệu $N \times T = 176$. Đòi hỏi quy trình kiểm định khắt khe để khắc phục vi phạm sai số. Phương pháp tối ưu: Cho kết quả ước lượng vững (robust) và hiệu quả (efficient).

Yêu cầu phân tích theo khung MoSCoW:

  • Must have: Kiểm định hiện tượng đa cộng tuyến (VIF), kiểm định Hausman để chọn FEM/REM, kiểm định Wooldridge cho tự tương quan, kiểm định Modified Wald cho phương sai sai số thay đổi, hồi quy GLS khắc phục vi phạm.
  • Should have: Ma trận tương quan Pearson, đồ thị phân tích chuỗi thời gian của từng chỉ tiêu tài chính.
  • Could have: Đánh giá độ trễ của biến phụ thuộc (Dynamic Panel Model).
  • Won't have (lần này): Tích hợp phi tuyến tính hoặc phân tích biên ngẫu nhiên (SFA) đo lường hiệu quả kỹ thuật.

Thiết kế hệ thống

Khung phân tích kinh tế lượng được thiết kế thành một luồng dữ liệu 4 tầng độc lập và liên kết chặt chẽ:

[Tầng 1: Thu thập & Chuẩn hóa dữ liệu]
[Tầng 2: Tiền xử lý & Trích xuất biến]
[Tầng 3: Kiểm định & Lựa chọn mô hình]
[Tầng 4: Chẩn đoán & Ước lượng tối ưu]

Technology Stack & Công cụ sử dụng:

  • Phần mềm phân tích: Stata phiên bản 16.0 MP / Stata 17.0 (chuyên dụng xử lý dữ liệu bảng).
  • Bộ công cụ bảng tính: Microsoft Excel 2019 (chuẩn hóa dữ liệu thô, tính toán các biến trung gian).
  • Nguồn dữ liệu: Báo cáo thường niên đã kiểm toán độc lập (PwC, KPMG, EY, Deloitte) của 22 NHTM; Niên giám thống kê Ngân hàng Thế giới (World Development Indicators).

Mô hình kinh tế lượng chi tiết:

$$ROA_{it} = \beta_0 + \beta_1 SIZE_{it} + \beta_2 EQAS_{it} + \beta_3 LOSRES_{it} + \beta_4 COST_{it} + \beta_5 CONC_{it} + \beta_6 GDP_t + \beta_7 INF_t + \varepsilon_{it}$$

$$ROE_{it} = \alpha_0 + \alpha_1 SIZE_{it} + \alpha_2 EQAS_{it} + \alpha_3 LOSRES_{it} + \alpha_4 COST_{it} + \alpha_5 CONC_{it} + \alpha_6 GDP_t + \alpha_7 INF_t + e_{it}$$

Bảng định nghĩa biến và công thức đo lường:

Ký hiệu biến Tên biến Phương pháp xác định toán học Kỳ vọng dấu
ROA Tỷ suất sinh lời trên tài sản $\text{Lợi nhuận sau thuế} / \text{Tổng tài sản bình quân}$ Biến phụ thuộc
ROE Tỷ suất sinh lời trên vốn CSH $\text{Lợi nhuận sau thuế} / \text{Vốn chủ sở hữu bình quân}$ Biến phụ thuộc
SIZE Quy mô tổng tài sản $\ln(\text{Tổng tài sản})$ $+$
EQAS Quy mô vốn chủ sở hữu $\text{Vốn chủ sở hữu} / \text{Tổng tài sản}$ $+$
LOSRES Rủi ro tín dụng (Nợ xấu) $\text{Tổng nợ xấu (Nhóm 3-5)} / \text{Tổng dư nợ cho vay}$ $-$
COST Tỷ lệ chi phí hoạt động $\text{Tổng chi phí hoạt động} / \text{Lợi nhuận sau thuế}$ $-$
CONC Mức độ tập trung thị trường $\sum_{k=1}^5 \text{Tài sản Bank}k / \sum{i=1}^{22} \text{Tài sản Bank}_i$ $-$
GDP Tăng trưởng kinh tế Tốc độ tăng trưởng GDP hàng năm (%) $+$
INF Lạm phát Chỉ số giá tiêu dùng CPI bình quân năm (%) $+$

Methodology

Quy trình nghiên cứu tuân thủ theo tiêu chuẩn khoa học thực nghiệm 6 giai đoạn (Empirical Econometric Workflow):

Tuần I-II: Tổng quan lý thuyết & Thu thập dữ liệu BCTC 22 NHTM
Tuần III: Chuẩn hóa dữ liệu bảng cân đối & Thống kê mô tả
Tuần IV: Chạy ma trận tương quan & Kiểm định đa cộng tuyến VIF
Tuần V: Ước lượng 3 mô hình (Pooled OLS, FEM, REM) & Kiểm định Hausman
Tuần VI: Kiểm định khuyết tật (Wooldridge, Modified Wald) & Chạy GLS
Tuần VII: Tổng hợp kết quả, Thảo luận & Đề xuất khuyến nghị chính sách

Implementation và kết quả

Development process

Quá trình phân tích dữ liệu được lập trình và thực thi trực tiếp trên Stata thông qua chuỗi lệnh bản quyền (Do-file script) chuẩn mực:

* Thiết lập không gian dữ liệu bảng cân đối (Balanced Panel Data)
xtset bank_id year

* 1. Thống kê mô tả và phân tích tương quan
summarize roa roe size eqas losres cost conc gdp inf
pwcorr roa roe size eqas losres cost conc gdp inf, sig star(.05)

* 2. Kiểm tra hiện tượng đa cộng tuyến bằng OLS phụ
regress roa size eqas losres cost conc gdp inf
vif

* 3. Ước lượng Pooled OLS, FEM và REM
regress roa size eqas losres cost conc gdp inf
estimates store pooled_ols

xtreg roa size eqas losres cost conc gdp inf, fe
estimates store fem

xtreg roa size eqas losres cost conc gdp inf, re
estimates store rem

* 4. Các kiểm định lựa chọn mô hình
* Breusch and Pagan Lagrangian multiplier test (Chọn Pooled OLS hay REM)
xttest0

* Hausman Test (Chọn FEM hay REM)
hausman fem rem

* 5. Kiểm tra các vi phạm mô hình (Model Diagnostics)
* Kiểm định tự tương quan (Wooldridge test for autocorrelation in panel data)
xtserial roa size eqas losres cost conc gdp inf

* Kiểm định phương sai sai số thay đổi (Modified Wald test for groupwise heteroskedasticity)
xtreg roa size eqas losres cost conc gdp inf, fe
xttest3

* 6. Hồi quy GLS khắc phục đồng thời tự tương quan và phương sai thay đổi
xtgls roa size eqas losres cost conc gdp inf, panels(hetero) corr(ar1)
xtgls roe size eqas losres cost conc gdp inf, panels(hetero) corr(ar1)

Testing và validation

Kết quả thực nghiệm từ hệ thống kiểm định chẩn đoán cho thấy các chỉ số định lượng rõ ràng:

  1. Kiểm định đa cộng tuyến: Hệ số Mean VIF đạt $1,42 < 10$, các biến độc lập đều có VIF dao động từ $1,08$ đến $1,85$, chứng minh không tồn tại hiện tượng đa cộng tuyến nghiêm trọng trong mô hình.
  2. Kiểm định Breusch-Pagan Lagrangian Multiplier: Cho $p\text{-value} = 0,0000 < 0,05$, bác bỏ giả thuyết $H_0$, xác nhận mô hình REM vượt trội hoàn toàn so với Pooled OLS.
  3. Kiểm định F-test: $p\text{-value} = 0,0000 < 0,05$, khẳng định mô hình FEM phù hợp hơn Pooled OLS.
  4. Kiểm định Hausman: Cho giá trị Prob > $\chi^2 = 0,0012 < 0,05$ đối với mô hình ROA và $0,0041 < 0,05$ đối với mô hình ROE $\rightarrow$ Lựa chọn mô hình tác động cố định (FEM).
  5. Kiểm định vi phạm sai số:
    • Kiểm định Modified Wald ($xttest3$): $p\text{-value} = 0,0000 < 0,05 \rightarrow$ Mô hình bị hiện tượng phương sai sai số thay đổi (Heteroskedasticity).
    • Kiểm định Wooldridge ($xtserial$): $p\text{-value} = 0,0032 < 0,05 \rightarrow$ Mô hình bị hiện tượng tự tương quan bậc nhất (First-order Autocorrelation).
    • Giải pháp: Ước lượng hồi quy bình phương nhỏ nhất tổng quát khả thi (FGLS / Cross-sectional Time-series FGLS) được thực thi để loại bỏ hoàn toàn các sai lệch thống kê.

Kết quả đạt được

Bảng tổng hợp kết quả ước lượng mô hình hồi quy GLS cuối cùng đối với ROA và ROE:

Biến giải thích Hệ số hồi quy ROA ($\beta$) p-value (ROA) Hệ số hồi quy ROE ($\alpha$) p-value (ROE) Kết luận giả thuyết
SIZE $+0,00142$ $0,018^{**}$ $+0,01980$ $0,005^{***}$ Chấp nhận $H_1$ ($+$)
EQAS $+0,03120$ $0,000^{***}$ $-0,12450$ $0,012^{**}$ Tác động 2 chiều ($+/-$)
LOSRES $-0,04210$ $0,001^{***}$ $-0,38120$ $0,000^{***}$ Chấp nhận $H_3$ ($-$)
COST $-0,00085$ $0,000^{***}$ $-0,00790$ $0,000^{***}$ Chấp nhận $H_4$ ($-$)
CONC $-0,01240$ $0,042^{**}$ $-0,09410$ $0,038^{**}$ Chấp nhận $H_5$ ($-$)
GDP $+0,00185$ $0,024^{**}$ $+0,01560$ $0,041^{**}$ Chấp nhận $H_6$ ($+$)
INF $+0,00091$ $0,089^{*}$ $+0,00820$ $0,072^{*}$ Chấp nhận $H_7$ ($+$)
Hệ số chặn ($C$) $-0,01840$ $0,031$ $+0,08120$ $0,022$
Wald $\chi^2$ 148,62 $0,0000$ 182,45 $0,0000$ Mô hình có ý nghĩa

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

Phân tích chi tiết các kết quả đạt được:

  • Quy mô tài sản (SIZE): Tác động cùng chiều có ý nghĩa thống kê cao lên cả ROA ($p=0,018$) và ROE ($p=0,005$). Khi quy mô tăng $1%$, ROA tăng $0,00142%$ nhờ lợi thế kinh tế theo quy mô (Economies of Scale), đa dạng hóa danh mục tín dụng và nâng cao uy tín thương hiệu.
  • Quy mô vốn chủ sở hữu (EQAS): Tác động dương đến ROA ($\beta = 0,0312$) nhưng tác động âm đến ROE ($\alpha = -0,1245$). Điều này chứng minh hiệu ứng đòn bẩy tài chính: Ngân hàng có tỷ lệ đòn bẩy cao (vốn chủ sở hữu thấp) sẽ khuếch đại ROE nhưng lại chịu rủi ro vỡ nợ cao hơn.
  • Rủi ro tín dụng (LOSRES): Tác động tiêu cực mạnh nhất đến khả năng sinh lời. Tỷ lệ nợ xấu tăng $1%$ làm suy giảm ROA $0,0421%$ và ROE giảm mạnh $0,3812%$ do áp lực trích lập chi phí dự phòng rủi ro tín dụng.
  • Tỷ lệ chi phí hoạt động (COST): Tác động ngược chiều ($p = 0,000$). Sự gia tăng chi phí quản lý, chi phí nhân sự mà không tạo ra doanh thu tương ứng làm suy giảm lợi nhuận ròng trực tiếp.
  • Mức độ tập trung ngành (CONC): Tác động tiêu cực, ủng hộ giả thuyết "Quiet Life" (Cuộc sống an nhàn) — tại thị trường tập trung cao, các ngân hàng lớn thiếu động lực tối ưu hóa chi phí vận hành.
  • Môi trường vĩ mô (GDP, INF): Tăng trưởng GDP hỗ trợ mở rộng tín dụng chất lượng cao, thúc đẩy lợi nhuận; trong khi lạm phát dự kiến trong tầm kiểm soát giúp ngân hàng nới rộng biên lãi ròng thông qua điều chỉnh lãi suất cho vay kịp thời.

Đổi mới và đóng góp

Đổi mới về kỹ thuật và phương pháp luận

Khác biệt với các nghiên cứu trước đây vốn chỉ dừng lại ở ước lượng hồi quy OLS gộp hoặc mô hình FEM/REM cơ bản mà không xử lý các vi phạm giả định kinh tế lượng:

  1. Xử lý toàn diện khuyết tật chuỗi: Áp dụng phương pháp ước lượng Feasible Generalized Least Squares (FGLS) với cấu trúc ma trận hiệp phương sai sai số $\Omega$ tính đến phương sai thay đổi theo từng thực thể ($\sigma_i^2$) và tự tương quan chuỗi bậc nhất AR(1) ($\rho_i$), nâng độ tin cậy của các ước lượng lên hơn 95%.
  2. Đại diện mẫu nghiên cứu vượt trội: Khảo sát 22 NHTM liên tục trong 8 năm (2012–2019), bao phủ 70% số lượng ngân hàng và đại diện trên 70% tổng tài sản toàn ngành, phản ánh chân thực chu kỳ kinh tế tái cấu trúc hệ thống ngân hàng Việt Nam.
So sánh phương pháp luận giữa các nghiên cứu tại Việt Nam:

Đóng góp thực tiễn cho ngành

  • Lượng hóa mức độ đánh đổi (Trade-off): Cung cấp bằng chứng thực nghiệm rõ ràng về mối quan hệ ngược chiều giữa hệ số an toàn vốn (EQAS) và chỉ số ROE, giúp các nhà quản trị xác định cơ cấu vốn mục tiêu tối ưu.
  • Cơ sở khoa học cho quản trị chi phí: Chứng minh tỷ lệ COST có tác động tiêu cực tức thì, thúc đẩy làn sóng đầu tư vào ngân hàng số (Digital Banking) và tự động hóa quy trình nghiệp vụ (RPA) để giảm chi phí biên.

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng thực tế (Real-world Use Cases)

  1. Tối ưu hóa danh mục tín dụng tại NHTM:
    • Kịch bản: Ngân hàng triển khai hệ thống xếp hạng tín dụng nội bộ dựa trên AI để phát hiện sớm dấu hiệu suy giảm khả năng trả nợ.
    • Kết quả dự kiến: Giảm tỷ lệ nợ xấu (LOSRES) xuống dưới 1,5%, từ đó bảo toàn NIM và tăng trưởng ROA thêm 0,08–0,15% mỗi năm.
  2. Tái cấu trúc chi phí hoạt động qua chuyển đổi số:
    • Kịch bản: Triển khai giải pháp eKYC và số hóa quy trình phê duyệt tín dụng tự động.
    • Kết quả dự kiến: Cắt giảm tỷ lệ chi phí hoạt động trên lợi nhuận sau thuế (COST) từ mức 5,5 xuống 3,8, giúp tối ưu hóa biên lợi nhuận ròng.

Lộ trình triển khai khuyến nghị cho NHTM (Implementation Roadmap)

[Giai đoạn 1: Quý 1-2] Tái cơ cấu danh mục & Xử lý nợ xấu

[Giai đoạn 2: Quý 3-4] Quản trị chi phí & Tự động hóa

[Giai đoạn 3: Năm tiếp theo] Cân đối cấu trúc vốn & Mở rộng quy mô

Hạn chế và hướng phát triển

Hạn chế kỹ thuật

  • Phạm vi chuỗi thời gian: Dữ liệu dừng ở năm 2019, chưa bao quát toàn bộ cú sốc kéo dài của đại dịch COVID-19 và biến động lãi suất giai đoạn 2022–2024.
  • Dạng hàm tuyến tính: Mô hình giả định mối quan hệ tuyến tính giữa các biến, chưa xem xét các ngưỡng tác động phi tuyến tính (Non-linear Threshold Effects) của quy mô và đòn bẩy.
  • Nội sinh tiềm ẩn: Chưa sử dụng phương pháp GMM hệ thống (System GMM) để kiểm soát triệt để hiện tượng nội sinh (Endogeneity) sinh ra từ biến trễ của biến phụ thuộc ($ROA_{t-1}$).

Hướng phát triển tương lai

  • Mở rộng mô hình hồi quy động (Dynamic Panel Model) bằng phương pháp Arellano-Bond System GMM.
  • Bổ sung các biến số mới: Tỷ lệ an toàn vốn (CAR), tỷ lệ dư nợ trên vốn huy động (LDR), chỉ số chuyển đổi số (Digital Transformation Index), và các yếu tố tài chính xanh/ESG.
  • Ứng dụng các thuật toán Machine Learning (XGBoost, Random Forest, SHAP values) để so sánh năng lực dự báo khả năng sinh lời với các mô hình kinh tế lượng truyền thống.

Đối tượng hưởng lợi

                 HỆ THỐNG ĐỐI TƯỢNG HƯỞNG LỢI
[Sinh viên /     [Chuyên viên       [Ban điều hành     [Ngân hàng
 Nghiên cứu]     Phân tích Quants]   NHTM]              Nhà nước]
(Khung phương    (Bộ code Stata     (Chiến lược CAR    (Chính sách
 pháp chuẩn mực)  & kiểm định)       & kiểm soát NPL)   điều hành vĩ mô)
  • Sinh viên & Học viên cao học: Cung cấp tài liệu tham khảo chuẩn mực về phương pháp nghiên cứu định lượng tài chính ngân hàng, quy trình xử lý dữ liệu bảng và mẫu Do-file Stata hoàn chỉnh.
  • Chuyên viên phân tích dữ liệu & Định chế tài chính: Cung cấp mô hình định lượng đo lường rủi ro và khung kiểm chuẩn các nhân tố tác động đến khả năng sinh lời ngân hàng.
  • Hội đồng quản trị & Ban điều hành NHTM: Cung cấp bằng chứng thực nghiệm để ra quyết định chiến lược về quy mô tài sản tối ưu, quản trị chi phí hoạt động và cân bằng tỷ lệ an toàn vốn (CAR).
  • Cơ quan quản lý (NHNN): Cung cấp cơ sở khoa học để đánh giá tác động của mức độ tập trung thị trường và xây dựng chính sách tiền tệ ổn định vĩ mô.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật và công cụ cần thiết để tái lập (reproduce) nghiên cứu này?

Cần cài đặt phần mềm Stata (khuyến nghị phiên bản 15.0 trở lên) kết hợp cùng Microsoft Excel. Bộ dữ liệu đầu vào yêu cầu bảng cân đối gồm 176 quan sát với đầy đủ 8 chỉ tiêu tài chính và vĩ mô đã được mã hóa định dạng long format.

2. Tại sao mô hình FEM lại được ưu tiên hơn mô hình Pooled OLS và REM trong nghiên cứu này?

Kiểm định F-test ($p < 0,05$) chứng minh sự tồn tại của các đặc trưng riêng biệt giữa 22 ngân hàng, loại bỏ Pooled OLS. Kiểm định Hausman cho giá trị $p = 0,0012 < 0,05$, chỉ ra rằng sai số riêng biệt $u_i$ có tương quan với các biến giải thích $X_{it}$, do đó ước lượng FEM là vững (consistent) và không bị chệch, trong khi REM bị sai lệch.

3. Phương pháp GLS giải quyết hiện tượng phương sai sai số thay đổi và tự tương quan như thế nào?

GLS biến đổi ma trận hiệp phương sai của phần dư $\mathbf{\Omega} = E(\boldsymbol{\varepsilon}\boldsymbol{\varepsilon}')$ thông qua việc gán trọng số nghịch đảo của phương sai sai số từng thực thể và hiệu chỉnh hệ số tự tương quan $\rho$. Khi đó, sai số sau chuyển đổi thỏa mãn điều kiện đồng phương sai và không còn tương quan chuỗi.

4. Tại sao biến quy mô vốn chủ sở hữu (EQAS) lại có tác động trái chiều giữa ROA và ROE?

Theo lý thuyết đòn bẩy tài chính (Financial Leverage): $$\text{ROE} = \text{ROA} \times \text{Đòn bẩy tài chính (Tổng tài sản / Vốn CSH)}$$ Vốn chủ sở hữu cao làm giảm rủi ro tài chính và chi phí vốn vay, giúp tăng hiệu quả sử dụng tổng tài sản (ROA tăng); nhưng việc giảm đòn bẩy tài chính (mẫu số của ROE tăng) sẽ làm giảm tỷ suất sinh lời trên mỗi đồng vốn cổ đông bỏ ra (ROE giảm).

5. Kết quả nghiên cứu có ý nghĩa gì đối với chiến lược đầu tư cổ phiếu ngân hàng?

Nhà đầu tư có thể sử dụng các chỉ báo thực nghiệm: Ưu tiên các ngân hàng có tốc độ tăng trưởng quy mô tài sản bền vững (SIZE), tỷ lệ nợ xấu (LOSRES) kiểm soát dưới 2%, và chỉ số CIR/COST liên tục cải thiện qua từng quý, vì đây là các động lực cốt lõi giúp gia tăng ROA và tạo giá trị cổ đông dài hạn.

Kết luận

Khóa luận tốt nghiệp đã hoàn thành xuất sắc các mục tiêu nghiên cứu đặt ra thông qua việc xây dựng quy trình phân tích kinh tế lượng chuẩn mực trên dữ liệu bảng của 22 NHTM Việt Nam giai đoạn 2012–2019.

Những điểm nhấn kỹ thuật và đóng góp cốt lõi:

  • Xác định rõ ràng chiều hướng và lượng hóa chính xác mức độ tác động của 7 nhân tố nội tại và vĩ mô đến tỷ suất sinh lời ROA và ROE.
  • Xử lý triệt để các khuyết tật mô hình (đa cộng tuyến, phương sai thay đổi, tự tương quan) bằng phương pháp hồi quy Generalized Least Squares (GLS).
  • Khẳng định vai trò quyết định của việc kiểm soát nợ xấu (LOSRES) và tối ưu hóa chi phí hoạt động (COST) đối với sự ổn định tài chính của hệ thống ngân hàng thương mại Việt Nam.

Kết quả nghiên cứu là tài liệu tham khảo giá trị cho các nhà hoạch định chính sách, ban lãnh đạo ngân hàng và các nhà nghiên cứu định lượng trong lĩnh vực tài chính - ngân hàng. Quý độc giả và các nhà nghiên cứu quan tâm có thể ứng dụng khung mô hình này để mở rộng phân tích cho các giai đoạn thị trường mới.