Khóa luận tốt nghiệp ngân hàng factors influencing the credit risk level of commercial banks evidence from the vietnamese banking sector

Khóa luận phân tích các yếu tố ảnh hưởng đến mức độ rủi ro tín dụng của ngân hàng thương mại tại Việt Nam, cung cấp cái nhìn sâu sắc về ngành ngân hàng.

• Tác giả: Nguyen Duc Hien
• Người hướng dẫn: Nguyen Bich Ngan, PhD.
• Trường học: Banking Academy of Vietnam
• Chuyên ngành: Banking
• Đề tài: Factors Influencing The Credit Risk Level Of Commercial Banks: Evidence From The Vietnamese Banking Sector
• Loại tài liệu: graduation thesis
• Năm xuất bản: 2024
• Địa điểm: Hanoi

Mục lục chi tiết

• DECLARATION
• ACKNOWLEDGEMENT
• ABBREVIATIONS
• CONTENTS
• 1. CHAPTER I: CONCEPTUAL FRAMEWORK & LITERATURE REVIEW
• 1.1. Indicator addressing the credit risk
• 1.2. Factors influencing the credit risk level
• 2. CHAPTER II: DATABASE & RESEARCH PROCESS
• 2.1. Description of the Data sources
• 2.2. Research model specification
• 3. CHAPTER III: RESEARCH RESULTS
• 3.1. Pooled OLS regression
• 3.2. FEM/REM regression
• 3.3. Feasible Generalized Least Squares (FGLS) regression
• 3.4. Brief analysis about the results
• 4. CHAPTER IV: CONCLUSION & RECOMMENDATIONS
• 4.1. Summary & Implications of empirical results
• 4.2. Recommendation for Vietnamese commercial banks
• 4.3. Recommendation for the State Bank of Vietnam
• 4.4. Recommendation for the Vietnamese government

Tóm tắt

I. Tổng quan về các yếu tố ảnh hưởng đến rủi ro tín dụng ngân hàng

Rủi ro tín dụng là một trong những thách thức lớn nhất mà các ngân hàng thương mại tại Việt Nam phải đối mặt. Đặc biệt, trong bối cảnh nền kinh tế đang phát triển nhanh chóng, việc hiểu rõ các yếu tố ảnh hưởng đến mức độ rủi ro tín dụng là rất quan trọng. Nghiên cứu này sẽ phân tích các yếu tố vĩ mô và vi mô có thể tác động đến rủi ro tín dụng, từ đó đưa ra những khuyến nghị hữu ích cho các ngân hàng.

1.1. Định nghĩa và tầm quan trọng của rủi ro tín dụng

Rủi ro tín dụng được định nghĩa là khả năng mất mát do người vay không thực hiện nghĩa vụ trả nợ. Điều này có thể dẫn đến tổn thất lớn cho ngân hàng và ảnh hưởng đến sự ổn định của hệ thống tài chính.

1.2. Tình hình rủi ro tín dụng tại các ngân hàng thương mại Việt Nam

Trong những năm gần đây, tỷ lệ nợ xấu tại các ngân hàng thương mại Việt Nam đã có những biến động đáng kể. Việc theo dõi và quản lý rủi ro tín dụng là rất cần thiết để đảm bảo sự phát triển bền vững của ngành ngân hàng.

II. Các thách thức trong quản lý rủi ro tín dụng tại ngân hàng thương mại

Quản lý rủi ro tín dụng không chỉ là một nhiệm vụ mà còn là một thách thức lớn đối với các ngân hàng thương mại. Các yếu tố như tình hình kinh tế, chính sách tín dụng và khả năng thanh toán của khách hàng đều có thể ảnh hưởng đến mức độ rủi ro tín dụng. Việc nhận diện và đánh giá các thách thức này là rất quan trọng.

2.1. Tác động của tình hình kinh tế đến rủi ro tín dụng

Tình hình kinh tế vĩ mô, bao gồm lãi suất, tỷ lệ thất nghiệp và tăng trưởng GDP, có thể ảnh hưởng trực tiếp đến khả năng thanh toán của người vay. Khi nền kinh tế suy thoái, rủi ro tín dụng thường tăng cao.

2.2. Chính sách tín dụng và ảnh hưởng đến rủi ro tín dụng

Chính sách tín dụng của ngân hàng có thể tạo ra những rủi ro tiềm ẩn. Việc cho vay quá dễ dàng hoặc không đủ kiểm soát có thể dẫn đến gia tăng nợ xấu.

III. Phương pháp phân tích rủi ro tín dụng hiệu quả cho ngân hàng

Để quản lý rủi ro tín dụng hiệu quả, các ngân hàng cần áp dụng các phương pháp phân tích hiện đại. Việc sử dụng các mô hình định lượng và định tính sẽ giúp ngân hàng đánh giá chính xác hơn về mức độ rủi ro tín dụng.

3.1. Mô hình hồi quy trong phân tích rủi ro tín dụng

Mô hình hồi quy có thể giúp ngân hàng xác định mối quan hệ giữa các yếu tố kinh tế và rủi ro tín dụng. Việc áp dụng các mô hình như Pooled OLS hay FEM sẽ cung cấp cái nhìn sâu sắc hơn về tình hình tín dụng.

3.2. Sử dụng công nghệ trong quản lý rủi ro tín dụng

Công nghệ thông tin và các hệ thống quản lý hiện đại có thể giúp ngân hàng theo dõi và phân tích rủi ro tín dụng một cách hiệu quả hơn. Việc áp dụng công nghệ sẽ giúp giảm thiểu rủi ro và nâng cao hiệu quả hoạt động.

IV. Ứng dụng thực tiễn và kết quả nghiên cứu về rủi ro tín dụng

Nghiên cứu đã chỉ ra rằng có nhiều yếu tố ảnh hưởng đến mức độ rủi ro tín dụng của các ngân hàng thương mại tại Việt Nam. Việc áp dụng các phương pháp phân tích và quản lý rủi ro sẽ giúp ngân hàng cải thiện tình hình nợ xấu.

4.1. Kết quả từ nghiên cứu thực tiễn

Nghiên cứu cho thấy rằng các ngân hàng có chính sách tín dụng chặt chẽ và sử dụng công nghệ hiện đại thường có tỷ lệ nợ xấu thấp hơn. Điều này chứng tỏ rằng việc quản lý rủi ro tín dụng là rất quan trọng.

4.2. Khuyến nghị cho các ngân hàng thương mại

Các ngân hàng nên xem xét lại chính sách tín dụng của mình và áp dụng các công nghệ mới để cải thiện khả năng quản lý rủi ro tín dụng. Việc này không chỉ giúp giảm thiểu rủi ro mà còn nâng cao hiệu quả hoạt động.

V. Kết luận và triển vọng tương lai về rủi ro tín dụng

Rủi ro tín dụng sẽ tiếp tục là một thách thức lớn đối với các ngân hàng thương mại tại Việt Nam trong tương lai. Tuy nhiên, với sự phát triển của công nghệ và các phương pháp quản lý hiện đại, các ngân hàng có thể cải thiện khả năng quản lý rủi ro của mình.

5.1. Tương lai của quản lý rủi ro tín dụng

Trong bối cảnh nền kinh tế số, việc áp dụng công nghệ vào quản lý rủi ro tín dụng sẽ trở nên quan trọng hơn bao giờ hết. Các ngân hàng cần chuẩn bị cho những thay đổi này để duy trì sự cạnh tranh.

5.2. Những thách thức trong tương lai

Mặc dù có nhiều cơ hội, nhưng các ngân hàng cũng sẽ phải đối mặt với nhiều thách thức mới, bao gồm sự thay đổi nhanh chóng của công nghệ và thị trường. Việc nắm bắt và ứng phó kịp thời với những thách thức này là rất cần thiết.

Nội dung chính

Bối cảnh và vấn đề nghiên cứu

Trong nền kinh tế dựa chủ yếu vào hệ thống ngân hàng (bank-based economy) như Việt Nam, hoạt động của khu vực ngân hàng thương mại đóng vai trò điều tiết và chi phối trực tiếp đến sự thịnh vượng kinh tế - xã hội. Nguồn vốn tín dụng ngân hàng là kênh dẫn vốn huyết mạch tài trợ cho các ngành sản xuất, nông nghiệp, thương mại và dịch vụ. Do thu nhập thuần từ hoạt động tín dụng chiếm tỷ trọng lớn nhất trong tổng doanh thu của các ngân hàng thương mại Việt Nam (theo Báo cáo thường niên của Ngân hàng Nhà nước năm 2018), rủi ro tín dụng trở thành nguyên nhân cốt lõi dẫn đến nợ xấu và đe dọa sự an toàn của toàn hệ thống (Pham & Daly, 2020).

Nghiên cứu được hình thành dựa trên hai bối cảnh thực tiễn chính:

• Bối cảnh kinh tế vĩ mô: Tác động dây chuyền từ các cuộc khủng hoảng tài chính trong quá khứ đặt ra yêu cầu cấp thiết phải giải thích và lượng hóa sự tác động của các biến số vĩ mô (tăng trưởng GDP, lạm phát) đến tỷ lệ nợ xấu nhằm chủ động phòng ngừa các chu kỳ biến động tiêu cực.
• Bối cảnh nội tại ngành ngân hàng: Sự bùng nổ của làn sóng chuyển đổi số cùng lộ trình áp dụng các chuẩn mực an toàn vốn quốc tế (Basel III) theo định hướng của Ngân hàng Nhà nước đặt ra các vấn đề mới trong quản trị rủi ro. Đồng thời, sự khác biệt về quy mô, năng lực công nghệ và cơ chế hoạt động giữa khối ngân hàng thương mại có vốn Nhà nước (SOCBs) và ngân hàng thương mại cổ phần tư nhân (JSCBs) tạo ra các phản ứng khác nhau đối với rủi ro tín dụng.

Mục tiêu nghiên cứu:

• Mục tiêu chung: Phân tích các yếu tố ảnh hưởng đến mức độ rủi ro tín dụng của các ngân hàng thương mại tại Việt Nam.
• Mục tiêu cụ thể:
  1. Hệ thống hóa cơ sở lý thuyết về tác động của các yếu tố vĩ mô và vi mô đến tỷ lệ nợ xấu (NPL), từ đó xây dựng mô hình hồi quy phù hợp.
  2. Phân tích dữ liệu thực nghiệm và đưa ra kết luận về chiều hướng tác động của các yếu tố.
  3. Đề xuất các khuyến nghị cụ thể nhằm kiểm soát và cải thiện tỷ lệ nợ xấu cho hệ thống ngân hàng thương mại Việt Nam.

Câu hỏi nghiên cứu:

1. Các yếu tố kinh tế vĩ mô có tác động đáng kể đến mức độ rủi ro tín dụng của các ngân hàng thương mại Việt Nam hay không và tác động như thế nào?
2. Các yếu tố nội tại của ngân hàng (khả năng sinh lời, thanh khoản, an toàn vốn, chuyển đổi số, áp dụng Basel III, quy mô sở hữu Nhà nước) ảnh hưởng như thế nào đến tỷ lệ nợ xấu? Có sự khác biệt giữa quy mô ngân hàng và nhóm ngân hàng thương mại Nhà nước hay không?
3. Những khuyến nghị chính sách nào có tính khả thi để kiểm soát mức độ rủi ro tín dụng tại Việt Nam hiện nay?

Đối tượng và phạm vi nghiên cứu:

• Đối tượng nghiên cứu: Các yếu tố kinh tế vĩ mô và yếu tố nội tại tác động đến mức độ rủi ro tín dụng của các ngân hàng thương mại.
• Phạm vi không gian: Mẫu nghiên cứu gồm 21 ngân hàng thương mại cổ phần niêm yết tại Việt Nam.
• Phạm vi thời gian: Giai đoạn từ năm 2017 đến năm 2023. Giai đoạn này được lựa chọn vì đây là thời điểm hệ thống ngân hàng Việt Nam chuyển dịch thực chất từ giai đoạn tin học hóa sang làn sóng số hóa/chuyển đổi số toàn diện trên thiết bị di động, đồng thời là giai đoạn bắt đầu triển khai các thông tư tiệm cận chuẩn mực Basel II và thí điểm áp dụng Basel III.

Hạn chế của phạm vi nghiên cứu: Nghiên cứu tập trung vào một nhóm biến độc lập nhất định; chưa bao quát toàn bộ các ngân hàng thương mại trong nước do hạn chế về công bố dữ liệu minh bạch, đồng thời chưa đưa các chi nhánh ngân hàng nước ngoài tại Việt Nam vào mẫu phân tích.

Cơ sở lý thuyết và phương pháp

Khung lý thuyết của nghiên cứu được xây dựng từ ba lý thuyết kinh điển về quản trị ngân hàng và rủi ro tín dụng:

• Lý thuyết Xui xẻo (Bad Luck Theory - Berger & DeYoung, 1997): Các cú sốc ngoại cảnh bất lợi từ nền kinh tế làm suy giảm khả năng trả nợ của khách hàng, khiến nợ xấu gia tăng và phát sinh thêm chi phí xử lý nợ, từ đó làm giảm hiệu quả hoạt động của ngân hàng.
• Lý thuyết Quá lớn để sụp đổ (Too Big to Fail Theory - Stern & Feldman, 2004; Boyd & Gertler, 1994): Các ngân hàng có quy mô lớn hoặc có sự bảo trợ của Chính phủ có xu hướng nới lỏng chuẩn tín dụng và chấp nhận rủi ro cao hơn do tin rằng sẽ được giải cứu khi xảy ra nguy cơ phá sản.
• Lý thuyết Rủi ro đạo đức (Moral Hazard Theory - Keeton & Morris, 1987; Berger & DeYoung, 1997): Các ngân hàng có mức đệm vốn thấp có động cơ gia tăng mức độ rủi ro trong danh mục cho vay nhằm tìm kiếm lợi nhuận bù đắp, dẫn đến sự gia tăng nợ xấu trong dài hạn.

Theo Thông tư 11/2021/TT-NHNN của Ngân hàng Nhà nước Việt Nam, nợ xấu (NPL) được xác định là các khoản nợ nội bảng thuộc nhóm 3, nhóm 4 và nhóm 5:

Nhóm nợ	Tên nhóm	Tiêu chí phân loại theo thời gian quá hạn	Tỷ lệ trích lập dự phòng cụ thể
Nhóm 1	Nợ đủ tiêu chuẩn	Chưa đến hạn hoặc quá hạn dưới 10 ngày có khả năng thu hồi đầy đủ	0%
Nhóm 2	Nợ cần chú ý	Quá hạn từ 10 ngày đến 90 ngày	5%
Nhóm 3	Nợ dưới tiêu chuẩn	Quá hạn từ 91 ngày đến 180 ngày	20%
Nhóm 4	Nợ nghi ngờ	Quá hạn từ 181 ngày đến 360 ngày; hoặc nợ cơ cấu lại thời hạn trả nợ lần đầu quá hạn dưới 90 ngày	50%
Nhóm 5	Nợ có khả năng mất vốn	Quá hạn trên 360 ngày; nợ cơ cấu lại quá hạn từ 91 ngày trở lên; nợ cơ cấu lại lần thứ hai hoặc thứ ba	100%

Biến phụ thuộc đo lường rủi ro tín dụng là tỷ lệ nợ xấu ($NPL$), tính bằng tỷ lệ phần trăm giữa tổng nợ xấu (nhóm 3 đến nhóm 5) trên tổng dư nợ cho vay: $$NPL = \frac{\text{Tổng nợ xấu (Nhóm 3 + Nhóm 4 + Nhóm 5)}}{\text{Tổng dư nợ cho vay}} \times 100%$$

Mô hình hồi quy tổng quát ban đầu được thiết lập dưới dạng logarit tự nhiên: $$\ln(NPL_{i,t}) = \alpha + \beta_1 \ln(GDPG_{i,t}) + \beta_2 \ln(INF_{i,t}) + \beta_3 LN_SIZE_{i,t} + \beta_4 \ln(ROAA_{i,t}) + \beta_5 \ln(P_LDR_{i,t}) + \beta_6 \ln(CAR_{i,t}) + \beta_7 \ln(ICT_{i,t}) + \beta_8 BASEL3_{i,t} + \beta_9 STATE_{i,t} + \varepsilon_{i,t}$$

Ký hiệu biến	Tên biến và cách tính toán	Nguồn dữ liệu	Kỳ vọng dấu
NPL	Tỷ lệ nợ xấu = Nợ nhóm 3-5 / Tổng dư nợ cho vay	Báo cáo tài chính hợp nhất kiểm toán	Biến phụ thuộc
GDPG	Tốc độ tăng trưởng GDP thực tế hàng năm	DataBank - World Bank	(-)
INF	Tỷ lệ lạm phát tính theo chỉ số giá tiêu dùng (CPI)	DataBank - World Bank	(+)
ICT	Chỉ số sẵn sàng ứng dụng CNTT (Vietnam ICT Index)	Báo cáo Vietnam ICT Index - Bộ TT&TT	(-)
P_LDR	Tỷ lệ dư nợ trên tiền gửi thuần = Cho vay khách hàng / Tiền gửi của khách hàng	Báo cáo tài chính hợp nhất kiểm toán	(+)
CAR	Tỷ lệ an toàn vốn hợp nhất theo Thông tư 41/2016/TT-NHNN	Báo cáo công bố thông tin tỷ lệ an toàn vốn	(-)
LN_SIZE	Quy mô ngân hàng = $\ln(\text{Tổng tài sản})$	Báo cáo tài chính hợp nhất kiểm toán	(+)/(-)
ROAA	Tỷ suất sinh lời trên tổng tài sản bình quân = Lợi nhuận sau thuế / Tổng tài sản bình quân	Báo cáo tài chính hợp nhất kiểm toán	(-)
BASEL3	Biến giả: Bằng 1 nếu ngân hàng triển khai đầy đủ chuẩn mực Basel III trong năm, bằng 0 nếu ngược lại	Báo cáo thường niên ngân hàng	(-)
STATE	Biến giả: Bằng 1 nếu ngân hàng có vốn góp chi phối từ Nhà nước (SOCBs), bằng 0 nếu là ngân hàng ngoài Nhà nước	Báo cáo thường niên ngân hàng	(-)

Quy trình và phương pháp phân tích thực nghiệm: Nghiên cứu sử dụng phần mềm Microsoft Excel 2016 để tính toán biến và StataMP 17 để chạy các mô hình hồi quy qua 7 bước:

1. Xác định vấn đề nghiên cứu và tổng quan y văn.
2. Thiết kế mô hình, phạm vi và thu thập dữ liệu bảng (panel data).
3. Phân tích thống kê mô tả.
4. Kiểm định các giả định của mô hình OLS gộp (Pooled OLS): kiểm định White (1980) về phương sai thay đổi, kiểm định Wooldridge (2002) về tự tương quan bậc 1 AR(1), kiểm định hệ số nhân tử phóng đại phương sai (VIF) về đa cộng tuyến.
5. Hồi quy mô hình Tác động cố định (FEM) và Tác động ngẫu nhiên (REM), lựa chọn mô hình qua kiểm định Hausman. Kiểm tra khuyết tật trên mô hình được chọn bằng kiểm định Breusch & Pagan Lagrangian Multiplier và Wooldridge.
6. Khắc phục các khuyết tật mô hình (phương sai sai số thay đổi và tự tương quan) bằng phương pháp Hồi quy bình phương tối thiểu tổng quát khả thi (Feasible Generalized Least Squares - FGLS) cho dữ liệu bảng không gian - thời gian.
7. Đưa ra kết luận và hàm ý chính sách.

Nội dung chính theo từng chương

Chapter I: Conceptual Framework & Literature Review

Chương 1 thiết lập khung lý thuyết hoàn chỉnh về rủi ro tín dụng và phân loại nợ theo quy định của Ngân hàng Nhà nước. Tác giả tổng hợp gần 50 công trình nghiên cứu trong nước và quốc tế, chia các yếu tố ảnh hưởng thành hai nhóm:

• Nhóm vĩ mô: Tác động của tăng trưởng GDP (Salas & Saurina 2002, Nkusu 2011, Castro 2013, Beck et al. 2015) và lạm phát (Waemustafa & Sukri 2015, Ghosh 2015).
• Nhóm nội tại ngân hàng: Tác động của chuyển đổi số và công nghệ (Vinh et al. 2023, Yang & Masron 2023), khả năng sinh lời (Klein 2013, Makri et al. 2014, Sang & Anh 2022), tỷ lệ dư nợ trên tiền gửi (Swamy 2012, Boru 2014, Ganic 2014), quy mô ngân hàng (Louzis et al. 2012, Duong & Huong 2017, Ngo et al. 2021), tỷ lệ an toàn vốn CAR (Aggarwal & Jacques 2001, Zhang et al. 2015, Ghosh 2016), việc áp dụng chuẩn mực Basel III (Phi et al. 2019) và hình thức sở hữu Nhà nước (Mahdi et al. 2023).

Chương 1 chỉ ra khoảng trống nghiên cứu: các nghiên cứu tại Việt Nam trước đây chủ yếu tập trung vào các chỉ số tài chính truyền thống, thiếu vắng các nghiên cứu định lượng về vai trò của chuyển đổi số (ICT Index), tác động của việc áp dụng Basel III và sự phân tách tác động giữa khối SOCBs với khối ngân hàng cổ phần tư nhân.

Chapter II: Database & Research Process

Chương 2 mô tả chi tiết nguồn dữ liệu thu thập từ BCTC hợp nhất của 21 ngân hàng thương mại, các báo cáo an toàn vốn theo Thông tư 41/2016/TT-NHNN, Báo cáo Chỉ số sẵn sàng CNTT của Bộ Thông tin và Truyền thông, cùng hệ thống văn bản quy phạm pháp luật của Ngân hàng Nhà nước (Thông tư 36/2014/TT-NHNN, Thông tư 41/2016/TT-NHNN, Thông tư 11/2021/TT-NHNN).

Chương này trình bày chi tiết công thức toán học tính toán từng biến số, đưa ra quy trình xử lý định lượng chuẩn tắc qua 7 bước từ kiểm định giả định CLRM đến phương pháp khắc phục khuyết tật FGLS nhằm đảm bảo các ước lượng không bị chệch.

Chapter III: Research Results

Chương 3 trình bày toàn bộ kết quả phân tích định lượng thực nghiệm:

• Thống kê mô tả (Bảng 3.1): Tỷ lệ nợ xấu trung bình của 21 ngân hàng trong giai đoạn 2017 - 2023 đạt 1,7% với độ lệch chuẩn 0,92%. Giá trị NPL cao nhất ghi nhận trong tập dữ liệu là 5,73% (VPBank năm 2022).
• Kiểm định đa cộng tuyến (Bảng 3.4 & 3.5): Biến quy mô ngân hàng ($LN_SIZE$) có hệ số VIF bằng 3,84 và có mối tương quan mạnh với biến $STATE$ và $ROAA$, dẫn đến hiện tượng đa cộng tuyến. Tác giả tiến hành loại bỏ biến $LN_SIZE$. Sau khi loại bỏ, hệ số VIF của toàn bộ các biến còn lại đều giảm xuống dưới ngưỡng 2,0, đảm bảo điều kiện hồi quy.
• Kiểm định mô hình Pooled OLS, FEM và REM (Bảng 3.3, 3.6, 3.7, 3.8):
  • Kiểm định White trên mô hình Pooled OLS cho $\chi^2(47) = 55,1833$ ($p\text{-value} = 0,1833 > 0,05$), chấp nhận giả thuyết $H_0$ không có phương sai thay đổi. Tuy nhiên, kiểm định Wooldridge cho $F(16) = 10,0046$ ($p\text{-value} < 0,05$), cho thấy xuất hiện tự tương quan bậc 1 AR(1).
  • Kiểm định Hausman giữa FEM và REM cho kết quả $p\text{-value} = 0,1092 > 0,05$, lựa chọn mô hình Tác động ngẫu nhiên (REM).
  • Kiểm định Breusch & Pagan Lagrangian Multiplier trên mô hình REM cho $\text{Prob} > \text{chibar}^2 = 0,0000$, chứng minh có hiện tượng phương sai thay đổi. Kiểm định Wooldridge trên REM ($F = 10,0049$) xác nhận sự tồn tại của tự tương quan AR(1).
• Hồi quy khắc phục bằng FGLS (Bảng 3.9): Mô hình FGLS với 93 quan sát thuộc 20 nhóm ngân hàng đã xử lý triệt để khuyết tật phương sai thay đổi và tự tương quan, đạt giá trị kiểm định $\text{Wald } \chi^2(8) = 207,83$ ($\text{Prob} > \chi^2 = 0,0000$).

Chapter IV: Conclusion & Recommendations

Chương 4 tổng kết các kết quả thực nghiệm và đưa ra các hàm ý quản trị, khuyến nghị chính sách cụ thể cho ba nhóm đối tượng: các ngân hàng thương mại Việt Nam, Ngân hàng Nhà nước và Chính phủ nhằm nâng cao chất lượng tín dụng và kiểm soát tỷ lệ nợ xấu bền vững.

Kết quả và đóng góp

Kết quả hồi quy FGLS

Phương trình hồi quy FGLS cuối cùng xác định mối quan hệ giữa các biến với tỷ lệ nợ xấu như sau:

$$\ln(NPL_{i,t}) = -3,4109 + 0,2517 \ln(GDPG_{i,t}) + 0,1261 \ln(INF_{i,t}) - 0,0305 \ln(ROAA_{i,t}) + 0,1655 \ln(P_LDR_{i,t}) + 0,1125 \ln(CAR_{i,t}) - 0,0586 \ln(ICT_{i,t}) - 0,0745 BASEL3_{i,t} - 0,2192 STATE_{i,t}$$

Biến số	Hệ số hồi quy (FGLS)	Sai số chuẩn (Std. Err.)	Mức ý nghĩa thống kê	Chiều tác động thực tế	Kỳ vọng ban đầu	Kết luận giả thuyết
l_GDPG	+0,2517	(0,0252)	p < 0,01 (***)	Tích cực (+)	Âm (-)	Trái kỳ vọng
l_INF	+0,1261	(0,1261)	Không có ý nghĩa	Tích cực (+)	Dương (+)	Không có ý nghĩa
l_ROAA	-0,0305	(0,0305)	p < 0,01 (***)	Tiêu cực (-)	Âm (-)	Đạt kỳ vọng
l_P_LDR	+0,1655	(0,1655)	p < 0,01 (***)	Tích cực (+)	Dương (+)	Đạt kỳ vọng
l_CAR	+0,1125	(0,1125)	p < 0,01 (***)	Tích cực (+)	Âm (-)	Trái kỳ vọng
l_ICT	-0,0586	(0,0586)	p < 0,01 (***)	Tiêu cực (-)	Âm (-)	Đạt kỳ vọng
BASEL3	-0,0745	(0,0745)	p < 0,01 (***)	Tiêu cực (-)	Âm (-)	Đạt kỳ vọng
STATE	-0,2192	(0,2192)	p < 0,01 (***)	Tiêu cực (-)	Âm (-)	Đạt kỳ vọng
_cons	-3,4109	(0,4109)	p < 0,01 (***)	-	-	-

Ghi chú: (*) biểu thị mức ý nghĩa thống kê 1%.

Phân tích chi tiết các phát hiện thực nghiệm

• Tăng trưởng GDP (GDPG): Tác động cùng chiều có ý nghĩa thống kê 1% đến nợ xấu. Khi GDP tăng trưởng 1%, tỷ lệ nợ xấu tăng khoảng 0,25%. Kết quả này phản ánh đặc thù nền kinh tế Việt Nam: giai đoạn kinh tế tăng trưởng nóng kích thích nhu cầu tín dụng tăng cao, các ngân hàng dễ nới lỏng tiêu chuẩn thẩm định cho vay dẫn đến tích tụ nợ xấu tiềm ẩn (phù hợp với phát hiện của Duong & Huong, 2017).
• Lạm phát (INF): Tác động cùng chiều nhưng không có ý nghĩa thống kê, phản ánh cơ chế điều hành kiểm soát lạm phát và can thiệp thị trường xử lý nợ xấu (thông qua VAMC) của Ngân hàng Nhà nước.
• Hiệu quả sinh lời (ROAA): Tác động ngược chiều có ý nghĩa 1%. Ngân hàng có năng lực sinh lời cao sở hữu năng lực quản trị tốt và nguồn lợi nhuận giữ lại dồi dào để trích lập đệm dự phòng rủi ro, giúp giảm tỷ lệ nợ xấu, củng cố lý thuyết Rủi ro đạo đức.
• Tỷ lệ dư nợ trên tiền gửi (Pure LDR): Tác động cùng chiều có ý nghĩa 1% (hệ số 0,1655; phân tích chương III nêu cụ thể ở mức 0,317%). Khi ngân hàng đẩy mạnh cho vay vượt quá tỷ lệ huy động vốn tiền gửi, rủi ro thanh khoản tăng cao dẫn đến rủi ro tín dụng gia tăng.
• Tỷ lệ an toàn vốn (CAR): Tác động cùng chiều có ý nghĩa 1%, trái với kỳ vọng lý thuyết ban đầu nhưng phản ánh phản ứng thực tế: các ngân hàng chủ động gia tăng vốn tự có và hệ số CAR để ứng phó khi chất lượng tài sản suy giảm và nợ xấu gia tăng (Ahmad et al., 2008).
• Chuyển đổi số (ICT): Tác động ngược chiều có ý nghĩa 1% (hệ số -0,0586). Nâng cao mức độ sẵn sàng CNTT giúp ngân hàng tự động hóa và nâng cao độ chính xác trong thẩm định tín dụng, giảm thiểu nợ xấu.
• Chuẩn mực Basel III: Việc áp dụng đầy đủ Basel III có tác động làm giảm tỷ lệ nợ xấu (hệ số -0,0745, ý nghĩa 1%), chứng minh hiệu quả của các quy chuẩn quản trị rủi ro nghiêm ngặt.
• Sở hữu Nhà nước (STATE): Các ngân hàng thương mại Nhà nước (SOCBs) có tỷ lệ nợ xấu thấp hơn các ngân hàng thương mại cổ phần tư nhân (hệ số -0,2192, ý nghĩa 1%) nhờ lợi thế về quy mô, uy tín thương hiệu lâu năm và nguồn vốn lớn.

Đóng góp học thuật và thực tiễn của khóa luận

• Bổ sung bằng chứng thực nghiệm về tác động của chỉ số sẵn sàng CNTT (ICT Index) và việc áp dụng chuẩn mực Basel III đối với rủi ro tín dụng trong ngành ngân hàng Việt Nam.
• Tách biệt rõ nét sự khác biệt về khả năng kiểm soát rủi ro tín dụng giữa khối ngân hàng thương mại Nhà nước (SOCBs) và khối ngân hàng ngoài Nhà nước (non-SOCBs).
• Cung cấp hệ thống giải pháp đa tầng cho các NHTM (tối ưu hóa Pure LDR, tăng cường đầu tư hạ tầng số, xây dựng lộ trình áp dụng Basel III), Ngân hàng Nhà nước (hoàn thiện khung pháp lý tiệm cận Basel III, điều hành tín dụng thận trọng trong chu kỳ kinh tế tăng trưởng) và Chính phủ.

Hạn chế và hướng nghiên cứu tiếp

Khóa luận tự xác định các hạn chế nội tại:

• Số lượng các biến độc lập đưa vào mô hình còn giới hạn ở các chỉ số tài chính và vĩ mô cơ bản, chưa kiểm tra tác động của các biến số đặc thù khác như cơ cấu nợ theo ngành kinh tế hoặc các chỉ số quản trị rủi ro phi tài chính.
• Mẫu dữ liệu gồm 21 ngân hàng niêm yết chưa đại diện cho toàn bộ hệ thống các tổ chức tín dụng tại Việt Nam do nhiều ngân hàng chưa công bố đầy đủ thông tin minh bạch theo chuẩn mực mới.
• Nghiên cứu chưa thể đưa các chi nhánh ngân hàng nước ngoài và ngân hàng liên doanh vào mẫu phân tích do sự khác biệt trong cơ chế báo cáo tài chính.

Hướng mở nghiên cứu: Mở rộng quy mô mẫu sang toàn bộ các ngân hàng thương mại và tổ chức tín dụng phi ngân hàng khi hệ thống dữ liệu công bố được chuẩn hóa; kiểm tra tác động phi tuyến tính (U-shaped) của chuyển đổi số và bổ sung các biến trễ thời gian trong mô hình động (GMM).

Giá trị tham khảo

Tài liệu là nguồn tham khảo hữu ích cho:

• Sinh viên, học viên cao học chuyên ngành Tài chính - Ngân hàng, Kinh tế học ứng dụng khi thực hiện các nghiên cứu định lượng về rủi ro ngân hàng, quản trị danh mục cho vay hoặc nợ xấu.
• Các nhà nghiên cứu quan tâm đến phương pháp xử lý dữ liệu bảng (Panel Data) trong kinh tế lượng tài chính, đặc biệt là quy trình kiểm định khuyết tật mô hình (đa cộng tuyến, tự tương quan AR(1), phương sai thay đổi) và kỹ thuật ước lượng FGLS trên Stata.
• Cán bộ quản trị rủi ro và phân tích chính sách tại các ngân hàng thương mại trong việc đánh giá tác động của tỷ lệ an toàn vốn (CAR), tỷ lệ LDR và chỉ số chuyển đổi số đối với việc kiểm soát nợ xấu.

Câu hỏi thường gặp

1. Vì sao biến quy mô ngân hàng (LN_SIZE) bị loại khỏi mô hình hồi quy chính thức? Trong bước kiểm định giả định CLRM về đa cộng tuyến bằng hệ số phóng đại phương sai (VIF), biến $LN_SIZE$ có chỉ số VIF đạt 3,84 và có sự tương quan cao với biến sở hữu Nhà nước ($STATE$) và tỷ suất sinh lời ($ROAA$). Để loại trừ hiện tượng đa cộng tuyến và đảm bảo tính vững cho các ước lượng, tác giả đã loại bỏ biến $LN_SIZE$, đưa VIF của tất cả các biến còn lại về dưới ngưỡng 2,0.

2. Tại sao tăng trưởng GDP (GDPG) lại có tác động cùng chiều với tỷ lệ nợ xấu tại Việt Nam? Kết quả hồi quy FGLS cho thấy hệ số của $l_GDPG$ mang dấu dương (+0,2517) có ý nghĩa 1%. Tại nền kinh tế dựa vào ngân hàng như Việt Nam, trong giai đoạn tăng trưởng kinh tế cao, nhu cầu vay vốn tăng vọt khiến các ngân hàng đẩy mạnh giải ngân và có xu hướng nới lỏng các điều kiện thẩm định tín dụng. Điều này tạo ra sự tích tụ nợ xấu tiềm ẩn và bộc phát thành nợ xấu thực tế ở chu kỳ kế tiếp.

3. Khóa luận sử dụng công thức nào để tính toán tỷ lệ an toàn vốn (CAR) và tỷ lệ dư nợ trên tiền gửi (P_LDR)?

• Hệ số $CAR$ được thu thập và tính toán theo Thông tư 41/2016/TT-NHNN: $$CAR = \frac{C}{RWA + 12,5 \times (K_{OR} + K_{MR})}$$ (Trong đó: $C$ là vốn tự có gồm Vốn cấp 1 và Cấp 2; $RWA$ là tài sản có rủi ro tín dụng; $K_{OR}$ và $K_{MR}$ là vốn yêu cầu cho rủi ro hoạt động và rủi ro thị trường).
• Tỷ lệ dư nợ trên tiền gửi ($P_LDR$) được tính theo công thức LDR thuần túy chuẩn quốc tế: $$P_LDR = \frac{\text{Tổng dư nợ cho vay khách hàng}}{\text{Tiền gửi của khách hàng}}$$ (Chỉ tính tài khoản Tiền gửi của khách hàng ở phần Nợ phải trả, không tính tiền gửi từ các tổ chức tín dụng khác).

4. Khuyết tật nào đã xuất hiện trong mô hình REM và tác giả đã khắc phục bằng phương pháp gì? Kiểm định Breusch & Pagan Lagrangian Multiplier trên mô hình REM cho $\text{Prob} > \text{chibar}^2 = 0,0000$ (xác nhận có hiện tượng phương sai sai số thay đổi) và kiểm định Wooldridge cho $F(16) = 10,0049$ với $p < 0,05$ (xác nhận có tự tương quan bậc 1 AR(1)). Tác giả đã sử dụng phương pháp Hồi quy bình phương tối thiểu tổng quát khả thi (Cross-sectional time-series FGLS) để khắc phục hoàn toàn hai khuyết tật này.

5. Kết quả nghiên cứu chỉ ra sự khác biệt nào giữa khối NHTM Nhà nước (SOCBs) và khối ngoài Nhà nước (non-SOCBs)? Biến giả $STATE$ mang hệ số hồi quy âm (-0,2192) có ý nghĩa thống kê ở mức 1%, chứng minh rằng các ngân hàng thương mại Nhà nước có mức độ rủi ro tín dụng (tỷ lệ nợ xấu) thấp hơn đáng kể so với các ngân hàng thương mại cổ phần tư nhân nhờ bề dày hoạt động, quy mô vốn vượt trội, mạng lưới khách hàng ổn định và hệ thống quản trị rủi ro chặt chẽ.

Kết luận

Khóa luận tốt nghiệp của tác giả Nguyễn Đức Hiển đã hệ thống hóa toàn diện cơ sở lý luận và kiểm định thực nghiệm thành công các yếu tố vĩ mô lẫn nội tại tác động đến rủi ro tín dụng tại 21 ngân hàng thương mại Việt Nam giai đoạn 2017 - 2023. Bằng việc áp dụng quy trình kinh tế lượng chặt chẽ với mô hình FGLS để xử lý triệt để hiện tượng tự tương quan và phương sai thay đổi, nghiên cứu đã chứng minh vai trò quan trọng của năng lực sinh lời (ROAA), mức độ sẵn sàng ứng dụng CNTT (ICT), việc triển khai chuẩn mực Basel III và yếu tố sở hữu Nhà nước trong việc giảm thiểu nợ xấu. Các phát hiện thực nghiệm này mang lại cơ sở khoa học xác thực giúp các ngân hàng thương mại và cơ quan quản lý hoàn thiện chính sách kiểm soát rủi ro tín dụng và nâng cao tính an toàn của toàn hệ thống tài chính Việt Nam.

Trích đoạn nội dung tài liệu

BANKING ACADEMY OF VIETNAM ADVANCED PROGRAM GRADUATION THESIS FACTORS INFLUENCING THE CREDIT RISK LEVEL OF COMMERCIAL BANKS: EVIDENCE FROM THE VIETNAMESE BANKING SECTOR Student: Nguyen Duc Hien Class: K23CLC-NHA Academic years: 2020 – 2024 Student ID: 23A4010822 Supervisor: Nguyen Bich Ngan, PhD. Hanoi, April 2024 BANKING ACADEMY OF VIETNAM ADVANCED PROGRAM GRADUATION THESIS FACTORS INFLUENCING THE CREDIT RISK LEVEL OF COMMERCIAL BANKS: EVIDENCE FROM THE VIETNAMESE BANKING SECTOR Student: Nguyen Duc Hien Class: K23CLC-NHA Academic years: 2020 – 2024 Student ID: 23A4010822 Supervisor: Nguyen Bich Ngan, PhD. Hanoi, April 2024 i DECLARATION I, Nguyen Duc Hien, as the author of this thesis, hereby declare that this thesis entitled “Factors influencing the credit risk level of commercial banks: Evidence from the Vietnamese banking sector” is my own work and that, to the best of my knowledge and belief, it contains no duplicated material previously published or written by another person that are used as academic resource of analysis or results, nor duplicated material which to a substantial extent has been accepted for the award of any other degree or diploma at any university or equivalent institution. This thesis has been checked for plagiarism by the Turnitin platform, with the originality report attached at the end of this thesis.

I also declare that the intellectual content of this thesis is the product of my own work, to the extent that the assistance from Mrs. Nguyen Bich Ngan, PhD. as my supervisor in this thesis is acknowledged. Where applicable, any part of this thesis containing materials by others has been explicitly identified in the References that are listed at the end of this thesis or in the form of citations, mentions, in correct format as regulated by the Banking Academy of Vietnam.

Any views expressed in this thesis are those of the author, and do not necessarily reflect the views of the Banking Academy of Vietnam, or any other organization or member within the institution. Hanoi, April 26, 2024 Author Nguyễn Đức Hiển ii ACKNOWLEDGEMENT This thesis is the final work of mine as an undergraduate of the Banking Academy of Vietnam, a student of the Banking Faculty, of the Advanced Program. After a journey of four years long, with many highs and lows that mostly are exciting and thrilled, I acknowledge that I had use for this thesis not just my knowledge, my heart and passion, my uncertainty and worries, but also the great support and assistance of so many people around me. This thesis is a dedication and appreciation for all that help me along the way.

I would like to express my deepest gratitude to my supervisor Mrs. Nguyen Bich Ngan, PhD., whose expertise, understanding, and patience, added considerably to my graduate experience. I appreciate her vast knowledge in the related field of finance and banking that my thesis is conducted in, as her assistance for guiding me through questions that my limited understanding can barely self- answer. This is also an acknowledgement to the Banking Academy of Vietnam, and various professors, lecturers, peers from other faculties and generations of seniors and juniors, for letting me know that great opportunities can only be found in the most unexpected moments, with the most passionate people, and at the most decent places.

With pride, a part of me will always stay with the BAV. I would also like to thank the committee members, in the thesis defense afterwards, for their valuable comments and suggestions. Along with completing this thesis, I appreciate the experience with NH Securities Vietnam, and MB Ly Thai To branch, as they gave me lessons, stories, guidance, and vibrant views of careers that I would never forget. I am immensely grateful to my parents and family members for their unconditional support and encouragement throughout my studies.

And a vehement thank-you to my little sunshine that is always around me to support even from dusk till dawn. This accomplishment would not have been possible without you. Thank you all, for everything. Hanoi, April 26, 2024 iii ABBREVIATIONS No.

Abbreviation Full meaning 1 BCBS Basel Committee on Banking Supervision 2 NPL Non-Performing Loans 3 SBV State Bank of Vietnam 4 SOCBs State-Owned Commercial Banks 5 JSCBs Joint-Stock Commercial Banks 6 POLS Pooled Ordinary Least Square 7 FEM Fixed Effects Method 8 REM Random Effects Method 9 FGLS Feasible Generalized Least Squares 10 GMM Generalized Method of Moments 11 MENA Middle East and North Africa 12 GIPSI Greece, Ireland, Portugal, Spain and Italy 13 GCC Gulf Cooperation Council 14 CESEE Central, Eastern, and Southeastern European 15 BIS Bank for International Settlements 16 PSMOR Principles for the Sound Management of Operational Risk 17 ICT Information, Communications and Technology 18 GDP Gross Domestic Products 19 MIC Vietnam Ministry of Information and Communications 20 RWA Risk-Weighted Assets 21 CLRM Classical Linear Regression Model 22 VIF Variance Inflation Factor 23 CCB Capital Conservation Buffer 24 CCyB Countercyclical Capital Buffer Source: Author summarized. iv CONTENTS DECLARATION. iv LIST OF TABLES AND FIGURES. Rationale of the research.

Objectives of the research. Subjects, Scope, and Limitations of the research. Structure of the research .5 CHAPTER I: CONCEPTUAL FRAMEWORK & LITERATURE REVIEW. Indicator addressing the credit risk.

Factors influencing the credit risk level .18 CHAPTER II: DATABASE & RESEARCH PROCESS. Description of the Data sources. Research model specification .27 CHAPTER III: RESEARCH RESULTS. Pooled OLS regression.

FEM/REM regression. Feasible Generalized Least Squares (FGLS) regression. Brief analysis about the results .37 CHAPTER IV: CONCLUSION & RECOMMENDATIONS. Summary & Implications of empirical results.

Recommendation for Vietnamese commercial banks. Recommendation for the State Bank of Vietnam. Recommendation for the Vietnamese government .61 v LIST OF TABLES AND FIGURES TABLE Pages Table 1. Classification of debt and off-balance sheet 8 commitments according to quantitative methods Table 2.1: Summary table of variables and expectations 24 Table 3.1: Data summary 30 Table 3.2: Correlation coefficients 31 Table 3.3: Tests for Pooled OLS 32 Table 3.4: Multicollinearity test results (VIF) 33 Table 3.5: After-corrected Multicollinearity test results (VIF) 34 Table 3.6: Combined results of regressing methods 34 Table 3.7: Breusch & Pagan - Lagrangian multiplier test for random effects 36 Table 3.8: Wooldridge test for Autocorrelation in REM 36 Table 3.9: Cross-sectional time-series FGLS regression 36 Table 3.10: New capital requirement (BASEL III, 2017) 45 Table 3.11: Comparing capital requirements between BASEL III and the 49 current Vietnamese regulations INTRODUCTION 1.

Rationale of the research For a bank-based economy like Vietnam, the commercial banking sector’s conduct greatly influences Vietnamese economic and social prosperity. In most cases, banks provide credit to sustain for firms in the manufacturing, agricultural, commercial and service sectors, providing jobs and enhancing purchasing power, consumption, and savings. Hence, the risk of credit failure can lead to a bank’s collapse, and have a profound effect on a country’s societal structure and can rapidly resonate globally (Caruso et al. A recent study, with the sample consisting of 28 out of 35 Vietnamese commercial banks in 2009–2018, conducted by Pham and Daly (2020) showed that “credit risk is the main cause of bad debts of the Vietnamese banking system and coexists with banking operations”.

The first capital requirement framework of the Basel Committee, which was also called as “the BASEL I Accord” in 1988, identified that “credit risk is the major risk of banks among others”, and was determined “to set a framework mainly for assessing capital in relation to credit risk”. In Vietnam, net income from credit activities held the largest portion of total revenue of Vietnamese commercial banks (SBV Annual Report, 2018). Therefore, in the context of Vietnam, obviously credit risk also plays a pivotal important role in the banking sector. From past literature, there are many factors of macroeconomics and bank-level that have been so commonly affecting the level of credit risk, therefore, this should be an equation of a much more complex relation beside those factors.

* From the macroeconomic perspective Financial institutions are affected by non-performing loans (NPL), but these NPLs are also shaped by the state of the economy. Since the last global financial crisis in 2008-2010, many researchers have been exploring the key reasons and factors that worsen the banking industry as a whole. Vietnam needs not to be careless and should learn from both the Asia and the global financial crises that had happened in the past, and from there, the foundation for experience and preparation for another chaos could be solidified, and help the banking sector to avoid another similar event. The need for 2 more research to explain the macroeconomic factors on the NPL is widely recognized in the academic field.

* From the banking-internal perspective An obvious fact is that the credit risk level of a commercial bank is not only affected by the external factors, but also from the inside of the banks. For the perspective of the managers of the bank, the need for analyzing the way profitability and solvency indicators interact with the credit risk is necessary so that they can deteriorate their strategies and supervise the non-performing loans to maintain the bank’s operation and efficiency. In the context of the recent development era of the banking industry, a novel trend of digital transformations and technology adaptation can now be seen in most of the commercial banks all over the world. These trends might bring a positive future and lead to a revolution that would transform the very age-old traditional basis of the banking services to a new form that we had never seen before, or they could be a not- yet fully supervised, unsecured door for various threat of risks to enter and danger to the pivotal pillars of banking - one of which is the credit risk level of a commercial bank, especially.

Today, the final answer to this doubt remains uncertain. The impact from digitalization on credit risk management is also affected by which type of commercial banks are mentioned. Jin et al. (2020) had proved that during the digital transition era, many major financial institutions, including state- owned commercial banks (SOCBs), typically have the ability to make substantial and comprehensive investments, leveraging their strengths in capital, technology, and skilled personnel.

On the other hand, smaller and medium-sized banks benefit from their ability to make quicker decisions and adapt more swiftly, giving themselves a competitive edge. Therefore, to which side will the use of technology bring more positive outcome is a question worth discussing. Jin et al. (2020) noted that: large commercial banks have significantly reduced their own risk levels and improved risk tolerance ability after financial technology applications, and the improvement is better than that of small and medium banks.

Objectives of the research * General objectives The overall aim of this is to analyze the factors influencing credit risk level of the Vietnamese commercial banks. * Specified objectives (1) To gather and solidify the literature framework about the effect of macro, micro factors on the NPL level of commercial banks, therefore to find the most suitable regression model for the research. (2) Analyze the data and make initial conclusions about the regression results. (3) Propose recommendations to improve the current situation of NPL in Vietnamese commercial banks.

* Research questions To achieve those general and specific objectives, this study would focus on resolving these research questions below: (1) Do the macroeconomic factors have a significant role on the NPL level of Vietnamese commercial banks? If those do, then how do those factors influence the NPL? (2) Do the internal factors of Vietnamese commercial banks have a significant role on the NPL level of those banks? If those do, then how do those factors influence the NPL? Are there any differences due to the size of the banks, or due to the application of BASEL III? (3) What recommendations are applicable and have the potential to materialize for the current situation of the NPL level of Vietnamese commercial banks? 4 3.