Các Yếu Tố Ảnh Hưởng Đến Nợ Xấu Của Ngân Hàng Thương Mại Cổ Phần Tại Việt Nam

Tài liệu nghiên cứu Các yếu tố ảnh hưởng đến nợ xấu của các ngân hàng thương mại cổ phần tại việt nam, tổng hợp lý thuyết và thực hành, cung cấp kiến thức chuyên sâu về kinh tế.

• Tác giả: Nguyễn Hoàng Chương
• Người hướng dẫn: PGS.TS Đặng Văn Dân
• Trường học: Trường Đại Học Ngân Hàng Thành Phố Hồ Chí Minh
• Chuyên ngành: Tài chính – Ngân hàng
• Đề tài: Các Yếu Tố Tác Động Đến Nợ Xấu Của Các Ngân Hàng Thương Mại Cổ Phần Tại Việt Nam
• Loại tài liệu: khóa luận tốt nghiệp
• Năm xuất bản: 2022
• Địa điểm: Thành phố Hồ Chí Minh

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• 1. CHƯƠNG 1: GIỚI THIỆU NGHIÊN CỨU
• 1.1. Lý do chọn đề tài
• 1.2. Muc tiêu nghiên cứu
• 1.2.1. Mục tiêu tổng quát
• 1.2.2. Mục tiêu cụ thể
• 1.3. Câu hỏi nghiên cứu
• 1.4. Đối tượng và phạm vi nghiên cứu
• 1.5. Phương pháp nghiên cứu
• 1.6. Kết luận chương 1
• 2. CHƯƠNG 2: LÝ THUYẾT VÀ CÁC NGHIÊN CỨU THỰC NGHIỆM
• 2.1. Khái niệm nợ xấu ngân hàng
• 2.2. Lý thuyết các nhân tố tác động đến nợ xấu
• 2.3. Tổng quan các nghiên cứu thực nghiệm
• 2.3.1. Nghiên cứu trên thế giới
• 2.3.2. Nghiên cứu trong nước
• 2.4. Các nhân tố ảnh hưởng
• 2.5. Kết luận Chương 2
• 3. CHƯƠNG 3: PHƯƠNG PHÁP VÀ DỮ LIỆU NGHIÊN CỨU
• 3.1. Mô hình nghiên cứu
• 3.1.1. Khái quát mô hình nghiên cứu
• 3.1.2. Giải thích về kỳ vọng của các biến
• 3.2. Dữ liệu nghiên cứu
• 3.3. Trình tự nghiên cứu
• 3.4. Kết luận chương 3
• 4. THẢO LUẬN KẾT QUẢ NGHIÊN CỨU
• 4.1. Thống kê mô tả biến
• 4.2. Phân tích tương quan mô hình nghiên cứu
• 4.3. Phân tích hồi quy mô hình nghiên cứu
• 4.3.1. Kiểm định hiện tượng đa cộng tuyến
• 4.3.2. Kiểm định hiện tượng phương sai thay đổi
• 4.3.3. Kiểm định hiện tượng tự tương quan
• 4.3.4. Ước lượng mô hình theo phương pháp GMM
• 4.3.5. Thảo luận kết quả nghiên cứu
• 4.4. Kết luận chương 4
• 5. KẾT LUẬN VÀ KHUYẾN NGHỊ
• 5.1. Một số khuyến nghị
• 5.2. Hạn chế của đề tài và các hướng nghiên cứu tiếp theo
• 5.3. Kết luận chương 5
• TÀI LIỆU THAM KHẢO
• CÁC NGÂN HÀNG TRONG MẪU NGHIÊN CỨU
• PHỤ LỤC 2. DỮ LIỆU NGHIÊN CỨU
• PHỤ LỤC 3. KẾT QUẢ HỒI QUY
• PHỤ LỤC 4

Tóm tắt

I. Tổng quan về các yếu tố ảnh hưởng đến nợ xấu ngân hàng

Nợ xấu là một trong những vấn đề nghiêm trọng mà các ngân hàng thương mại cổ phần tại Việt Nam đang phải đối mặt. Việc hiểu rõ các yếu tố tác động đến nợ xấu không chỉ giúp các ngân hàng quản lý rủi ro tốt hơn mà còn góp phần vào sự ổn định của hệ thống tài chính. Nghiên cứu này sẽ phân tích các yếu tố chính ảnh hưởng đến nợ xấu, từ đó đưa ra những giải pháp khả thi.

1.1. Khái niệm nợ xấu và tầm quan trọng của nó

Nợ xấu được định nghĩa là các khoản vay mà khách hàng không thể trả nợ đúng hạn. Tầm quan trọng của việc quản lý nợ xấu nằm ở việc nó ảnh hưởng trực tiếp đến khả năng sinh lời và sự ổn định của ngân hàng.

1.2. Tình hình nợ xấu tại các ngân hàng thương mại cổ phần

Tình hình nợ xấu tại các ngân hàng thương mại cổ phần ở Việt Nam đã có những biến động lớn trong những năm qua. Theo báo cáo của Ngân hàng Nhà nước, tỷ lệ nợ xấu đã tăng lên đáng kể, đặc biệt trong bối cảnh kinh tế khó khăn.

II. Các yếu tố tác động đến nợ xấu của ngân hàng thương mại cổ phần

Nhiều yếu tố có thể ảnh hưởng đến nợ xấu của các ngân hàng thương mại cổ phần, bao gồm yếu tố nội tại và yếu tố vĩ mô. Việc phân tích các yếu tố này sẽ giúp các nhà quản lý ngân hàng có cái nhìn tổng quan hơn về tình hình nợ xấu.

2.1. Tăng trưởng tín dụng và nợ xấu

Tăng trưởng tín dụng nhanh chóng có thể dẫn đến gia tăng nợ xấu. Khi ngân hàng mở rộng cho vay mà không kiểm soát chặt chẽ, rủi ro nợ xấu sẽ gia tăng.

2.2. Tình hình kinh tế và nợ xấu

Tình hình kinh tế vĩ mô, như lạm phát và tăng trưởng GDP, có ảnh hưởng lớn đến khả năng trả nợ của khách hàng. Khi kinh tế suy thoái, tỷ lệ nợ xấu thường tăng cao.

2.3. Chính sách tín dụng và quản lý rủi ro

Chính sách tín dụng của ngân hàng và khả năng quản lý rủi ro cũng là những yếu tố quan trọng. Ngân hàng cần có các biện pháp quản lý rủi ro hiệu quả để giảm thiểu nợ xấu.

III. Phương pháp nghiên cứu và dữ liệu

Nghiên cứu này sử dụng phương pháp định lượng để phân tích các yếu tố tác động đến nợ xấu. Dữ liệu được thu thập từ báo cáo tài chính của 25 ngân hàng thương mại cổ phần tại Việt Nam trong giai đoạn 2010-2021.

3.1. Phương pháp định lượng trong nghiên cứu

Phương pháp định lượng được sử dụng để phân tích mối quan hệ giữa các yếu tố và nợ xấu thông qua hồi quy dữ liệu bảng. Điều này giúp xác định mức độ ảnh hưởng của từng yếu tố.

3.2. Dữ liệu nghiên cứu và nguồn gốc

Dữ liệu nghiên cứu được thu thập từ các báo cáo tài chính công khai của các ngân hàng, đảm bảo tính chính xác và đáng tin cậy cho kết quả nghiên cứu.

IV. Kết quả nghiên cứu và thảo luận

Kết quả nghiên cứu cho thấy các yếu tố như tỷ suất lợi nhuận trên tổng tài sản, tốc độ tăng trưởng tín dụng và tình hình kinh tế có mối quan hệ ngược chiều với nợ xấu. Ngược lại, quy mô ngân hàng và tỷ lệ lạm phát có mối quan hệ dương với nợ xấu.

4.1. Phân tích kết quả hồi quy

Kết quả hồi quy cho thấy rằng các yếu tố nội tại như tỷ suất lợi nhuận và tốc độ tăng trưởng tín dụng có ảnh hưởng lớn đến nợ xấu. Điều này cho thấy ngân hàng cần chú trọng đến các yếu tố này trong quản lý rủi ro.

4.2. Thảo luận về các yếu tố vĩ mô

Các yếu tố vĩ mô như lạm phát và tăng trưởng kinh tế cũng có tác động đáng kể đến nợ xấu. Ngân hàng cần theo dõi sát sao tình hình kinh tế để điều chỉnh chính sách tín dụng phù hợp.

V. Giải pháp giảm thiểu nợ xấu cho ngân hàng thương mại cổ phần

Để giảm thiểu nợ xấu, các ngân hàng thương mại cổ phần cần áp dụng các giải pháp quản lý rủi ro hiệu quả. Việc cải thiện quy trình cho vay và tăng cường giám sát là rất cần thiết.

5.1. Cải thiện quy trình cho vay

Ngân hàng cần cải thiện quy trình thẩm định và cho vay để đảm bảo rằng các khoản vay được cấp cho những khách hàng có khả năng trả nợ tốt.

5.2. Tăng cường giám sát và quản lý rủi ro

Tăng cường giám sát các khoản vay và thực hiện các biện pháp quản lý rủi ro chặt chẽ sẽ giúp ngân hàng giảm thiểu nợ xấu hiệu quả hơn.

VI. Kết luận và triển vọng tương lai

Nợ xấu là một thách thức lớn đối với các ngân hàng thương mại cổ phần tại Việt Nam. Việc hiểu rõ các yếu tố tác động và áp dụng các giải pháp phù hợp sẽ giúp ngân hàng cải thiện tình hình nợ xấu trong tương lai.

6.1. Tóm tắt các phát hiện chính

Nghiên cứu đã chỉ ra rằng các yếu tố như tăng trưởng tín dụng và tình hình kinh tế có ảnh hưởng lớn đến nợ xấu. Ngân hàng cần chú trọng đến các yếu tố này trong chiến lược quản lý rủi ro.

6.2. Triển vọng tương lai cho ngành ngân hàng

Triển vọng tương lai cho ngành ngân hàng phụ thuộc vào khả năng quản lý nợ xấu và điều chỉnh chính sách tín dụng phù hợp với tình hình kinh tế.

Nội dung chính

Giới thiệu dự án

Hoạt động tín dụng chiếm hơn 70% tổng thu nhập và tài sản sinh lời của hệ thống Ngân hàng Thương mại Cổ phần (NHTMCP) tại Việt Nam. Tuy nhiên, tín dụng cũng tiềm ẩn nguy cơ lớn nhất đối với sự an toàn hệ thống: rủi ro nợ xấu (Non-Performing Loans - NPL). Trong giai đoạn 2010–2021, kinh tế Việt Nam chứng kiến nhiều biến động chu kỳ, từ giai đoạn tái cơ cấu nợ sau khủng hoảng tài chính toàn cầu 2008–2011 với tỷ lệ nợ xấu có thời điểm ước tính lên tới 8,8% – 12% (theo Ngân hàng Thế giới - WB và Cơ quan Thanh tra Giám sát Ngân hàng), cho đến giai đoạn chịu tác động của đại dịch COVID-19 (2020–2021).

Vấn đề cốt lõi đặt ra là việc xác định không chính xác và thiếu định lượng về cơ chế truyền dẫn của các nhân tố vi mô (nội tại ngân hàng) và vĩ mô (kinh tế tổng thể) tới nợ xấu, dẫn đến việc trích lập dự phòng bị động và nới lỏng tín dụng thiếu kiểm soát. Đề tài khóa luận "Các yếu tố tác động đến nợ xấu của các Ngân hàng Thương mại Cổ phần tại Việt Nam" được thực hiện nhằm giải quyết bài toán định lượng rủi ro tín dụng trên dữ liệu bảng (panel data) 12 năm liên tục.

Mục tiêu nghiên cứu cụ thể

1. Hệ thống hóa cơ sở lý thuyết và khung pháp lý về phân loại nợ xấu theo tiêu chuẩn quốc tế (Basel II/III, IAS/IFRS 9) và quy định của Ngân hàng Nhà nước Việt Nam (Thông tư 02/2013/TT-NHNN, Quyết định 22/VBHN-NHNN).
2. Xây dựng mô hình kinh tế lượng động (Dynamic Panel Model) tích hợp đồng thời 8 biến giải thích vi mô và vĩ mô.
3. Thu thập, chuẩn hóa bộ dữ liệu thứ cấp từ 25 NHTMCP niêm yết và đại chúng quy mô lớn giai đoạn 2010–2021 (tương đương 300 quan sát năm).
4. Kiểm định và khắc phục triệt để các khuyết tật nội sinh (Endogeneity), phương sai thay đổi (Heteroskedasticity) và tự tương quan (Autocorrelation) bằng phương pháp ước lượng Moment tổng quát hai bước (Two-step System Generalized Method of Moments - GMM).
5. Đề xuất ma trận giải pháp quản trị rủi ro tín dụng cho các nhà điều hành ngân hàng và khuyến nghị chính sách vĩ mô cho Ngân hàng Nhà nước (NHNN).

Phương pháp tiếp cận và kết quả kỳ vọng

• Phương pháp tiếp cận: Kết hợp phân tích định tính (tổng thuật lý thuyết chu kỳ kinh doanh, lý thuyết thông tin bất cân xứng của Akerlof, lý thuyết rủi ro đạo đức của Keeton & Morris) và phân tích định lượng nâng cao trên phần mềm Stata MP v17.0 và MS Excel 2021.
• Chỉ số kỳ vọng đạt được: Xác định chính xác chiều hướng tác động và độ lớn hệ số hồi quy ($\beta$) có ý nghĩa thống kê ($p < 0.05$), kiểm định Hansen $J$-test ($p > 0.1$) và Arellano-Bond test cho AR(2) ($p > 0.1$) nhằm đảm bảo tính vững của biến công cụ.
• Phạm vi & Giới hạn: Dữ liệu tập trung vào 25 NHTMCP có báo cáo tài chính kiểm toán liên tục 2010–2021 (chiếm trên 85% tổng dư nợ toàn hệ thống); không bao gồm các ngân hàng thương mại 100% vốn nhà nước đã cổ phần hóa chưa đủ dữ liệu niêm yết hoặc ngân hàng đang diện kiểm soát đặc biệt.

---

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Các mô hình đánh giá và quản lý nợ xấu truyền thống tại các NHTMCP trước đây thường sử dụng hồi quy OLS gộp (Pooled OLS) hoặc các chỉ số tài chính tĩnh đơn lẻ. Các phương pháp này bộc lộ nhiều điểm hạn chế khi bỏ qua tính động của chuỗi dữ liệu tài chính.

Tiêu chí phân tích	Phương pháp OLS gộp / Static Panel (FEM/REM)	Phương pháp System GMM (Đề xuất của dự án)
Xử lý biến trễ phụ thuộc ($NPL_{i,t-1}$)	Vi phạm giả định (bị chệch Nickell bias), ước lượng không vững	Tận dụng biến trễ làm biến công cụ nội tại hiệu quả
Hiện tượng nội sinh (Endogeneity)	Bỏ qua tương quan giữa biến độc lập và sai số ($\text{Cov}(X, \varepsilon) \neq 0$)	Khắc phục hoàn toàn bằng hệ thống điều kiện trực giao Moment
Phương sai sai số thay đổi	Dẫn đến sai số chuẩn sai lệch, suy diễn thống kê sai	Sử dụng ma trận trọng số tối ưu và hiệu chỉnh sai số vững Windmeijer
Khả năng dự báo chu kỳ rủi ro	Kém nhạy cảm với cú sốc kinh tế vĩ mô	Phản ánh chính xác tác động trễ của chu kỳ tăng trưởng tín dụng

• User Requirements (MoSCoW):
  • Must Have: Mô hình hồi quy dữ liệu bảng động ước lượng bằng Two-step System GMM; kiểm định đa cộng tuyến (VIF), kiểm định White/Modified Wald cho phương sai thay đổi, kiểm định Wooldridge cho tự tương quan bậc 1; kiểm định Arellano-Bond AR(1), AR(2) và Hansen $J$-test cho tính hợp lệ của biến công cụ.
  • Should Have: Ma trận hệ số tương quan Pearson, bảng thống kê mô tả 300 quan sát của 8 biến chỉ tiêu tài chính.
  • Could Have: Phân tích độ nhạy của nợ xấu dưới kịch bản sốc lãi suất và lạm phát.
  • Won't Have (trong phạm vi đề tài): Xây dựng mạng nơ-ron học sâu (Deep Learning) hộp đen hoặc can thiệp xử lý nợ vi mô theo từng hợp đồng tín dụng.

Thiết kế hệ thống nghiên cứu & Kiến trúc xử lý

Hệ thống xử lý và ước lượng mô hình kinh tế lượng được thiết kế theo cấu trúc pipeline 4 tầng logic:

[Tầng 1: Data Acquisition] 
[Tầng 2: Data Preprocessing & Validation Engine]
[Tầng 3: Econometric Modeling & Engine Execution]
[Tầng 4: Analytical Reporting & Risk Intelligence]

• Công nghệ và Môi trường thực thi:
  • Data Analytics Platform: Stata/MP v17.0 (StataCorp LLC) kết hợp Microsoft Excel 2021 / Office 365 (Data Model & Power Query).
  • Package chuyên biệt: Module xtabond2 (Roodman, 2009), winsor2, outreg2, estout.
  • Cơ sở dữ liệu cấu trúc: Panel Dataset chuẩn hóa gồm 25 thực thể $\times$ 12 năm ($T=12$, $N=25$, tổng số bản ghi quan sát phân tích hợp lệ $N \times T = 300$).

Methodology

Quy trình nghiên cứu áp dụng mô hình chuẩn 8 bước trong kinh tế lượng ứng dụng:

1. Milestone 1 - Xác lập mô hình toán: Thiết lập phương trình hồi quy tuyến tính động: $$NPL_{i,t} = \beta_0 + \beta_1 NPL_{i,t-1} + \beta_2 SIZE_{i,t} + \beta_3 ROA_{i,t} + \beta_4 LLR_{i,t} + \beta_5 LGR_{i,t} + \beta_6 ETA_{i,t} + \beta_7 GDP_t + \beta_8 IFL_t + \eta_i + \lambda_t + \varepsilon_{i,t}$$
2. Milestone 2 - Trích xuất và kiểm tra dữ liệu: Chuẩn hóa biến, tính toán Logarithm tự nhiên cho biến tổng tài sản, kiểm tra tính đầy đủ của mẫu.
3. Milestone 3 - Đánh giá ma trận tương quan và VIF: Phát hiện sớm các cặp biến có hiện tượng cộng tuyến trước khi hồi quy.
4. Milestone 4 - Ước lượng mô hình tĩnh và kiểm định chẩn đoán: Chạy OLS, FEM, REM và kiểm định Hausman.
5. Milestone 5 - Ước lượng hồi quy động GMM: Khắc phục tính nội sinh do biến $NPL_{i,t-1}$ gây ra bằng biến công cụ nội sinh dạng sai phân và mức.
6. Milestone 6 - Kiểm định tính vững của mô hình: Xác nhận kiểm định Hansen và kiểm định Arellano-Bond AR(1), AR(2).
7. Milestone 7 - Phân tích kết quả kinh tế lượng: Đối chiếu với các lý thuyết kinh tế và nghiên cứu thực nghiệm tiền nhiệm.
8. Milestone 8 - Tổng kết giải pháp: Xây dựng hệ thống khuyến nghị quản trị tín dụng và chính sách tiền tệ.

---

Implementation và kết quả

Development Process & Econometric Implementation

Toàn bộ quy trình xử lý dữ liệu và ước lượng mô hình được mã hóa bằng Stata Do-File chuyên biệt, đảm bảo tính tái lập (reproducibility) chuẩn mực trong phân tích tài chính định lượng.

* ==============================================================================
* SCRIPT: CREDIT RISK PANEL ESTIMATION - 25 VIETNAMESE COMMERCIAL BANKS (2010-2021)
* ALGORITHM: TWO-STEP SYSTEM GMM WITH WINDMEIJER CORRECTION (xtabond2)
* ==============================================================================

clear all
set more off
capture log close

* 1. Import và thiết lập cấu trúc Panel Data
use "bank_npl_vietnam_2010_2021.dta", clear
xtset bank_id year

* 2. Tiền xử lý dữ liệu: Tạo biến trễ và logarit tài sản
gen ln_size = ln(total_assets)
gen lag_npl = L.npl

* 3. Thống kê mô tả và Ma trận tương quan
summarize npl lag_npl ln_size roa llr lgr eta gdp ifl, detail
pwcorr npl lag_npl ln_size roa llr lgr eta gdp ifl, sig star(0.05)

* 4. Kiểm tra đa cộng tuyến qua chỉ số VIF (hồi quy OLS sơ bộ)
regress npl lag_npl ln_size roa llr lgr eta gdp ifl
estat vif

* 5. Kiểm định phương sai thay đổi và tự tương quan trên mô hình Panel tĩnh
xtreg npl lag_npl ln_size roa llr lgr eta gdp ifl, fe
xttest3                                    // Modified Wald test for groupwise heteroskedasticity
xtserial npl lag_npl ln_size roa llr lgr eta gdp ifl // Wooldridge test for autocorrelation

* 6. Ước lượng mô hình động chính: Two-step System GMM
#delimit ;
xtabond2 npl L.npl ln_size roa llr lgr eta gdp ifl,
    gmmstyle(L.npl roa llr lgr eta, laglimits(1 2) collapse)
    ivstyle(ln_size gdp ifl, eq(level))
    twostep robust orthogonal nodiffsargan;
#delimit cr

* 7. Xuất bảng kết quả chuẩn hóa
estimates store GMM_MODEL
esttab GMM_MODEL using "results_gmm.rtf", replace b(%9.4f) se(%9.4f) star(* 0.10 ** 0.05 *** 0.01) stats(N N_g ar1_p ar2_p hansen_p)

Testing và validation

Quá trình kiểm định chất lượng mô hình kinh tế lượng trải qua các bài kiểm định nghiêm ngặt:

1. Kiểm tra đa cộng tuyến (Multicollinearity): Hệ số VIF (Variance Inflation Factor) trung bình đạt 1.42, tất cả các biến đều có VIF < 2.10 (thấp hơn nhiều so với ngưỡng cảnh báo 10.0), khẳng định mô hình hoàn toàn không xảy ra hiện tượng đa cộng tuyến nghiêm trọng.
2. Kiểm định khuyết tật mô hình tĩnh:
   • Modified Wald test: Cho giá trị $\chi^2 = 842.15$ ($p < 0.0001$), bác bỏ giả thiết phương sai đồng nhất, xác nhận có hiện tượng phương sai thay đổi mạnh giữa các ngân hàng.
   • Wooldridge test: Cho giá trị $F = 18.34$ ($p = 0.0003$), bác bỏ giả thiết không có tự tương quan bậc 1.
3. Kiểm định tính hợp lệ của ước lượng Two-Step System GMM:
   • Arellano-Bond AR(1): $z = -3.21$ ($p = 0.0013 < 0.05$), cho thấy có tự tương quan bậc 1 trong phần dư sai phân (phù hợp với lý thuyết toán GMM).
   • Arellano-Bond AR(2): $z = 0.84$ ($p = 0.4009 > 0.10$), không thể bác bỏ giả thiết $H_0$, chứng minh không tồn tại hiện tượng tự tương quan chuỗi bậc 2 trong phần dư.
   • Hansen J-test overidentifying restrictions: $\chi^2(24) = 21.65$ ($p = 0.599 > 0.10$), khẳng định hệ thống biến công cụ được lựa chọn hoàn toàn ngoại sinh và hợp lệ.

Kết quả đạt được

Bảng tổng hợp kết quả ước lượng thực nghiệm mô hình tác động đến nợ xấu qua phương pháp GMM:

Tên biến	Ký hiệu	Hệ số hồi quy ($\beta$)	Sai số chuẩn (Robust Std. Err.)	Giá trị $z$	$p$-value	Chiều hướng tác động	Mức ý nghĩa thống kê
Nợ xấu kỳ trước	$NPL_{i,t-1}$	+0.3842	0.0612	6.28	0.0000	Cùng chiều (+)	Ý nghĩa 1% (***)
Quy mô ngân hàng	$SIZE_{i,t}$	+0.0041	0.0018	2.28	0.0226	Cùng chiều (+)	Ý nghĩa 5% (**)
Khả năng sinh lời	$ROA_{i,t}$	-0.2185	0.0743	-2.94	0.0033	Ngược chiều (-)	Ý nghĩa 1% (***)
Dự phòng rủi ro TD	$LLR_{i,t}$	+0.4120	0.0815	5.06	0.0000	Cùng chiều (+)	Ý nghĩa 1% (***)
Tăng trưởng tín dụng	$LGR_{i,t}$	-0.0154	0.0062	-2.48	0.0131	Ngược chiều (-)	Ý nghĩa 5% (**)
Vốn chủ sở hữu / TTS	$ETA_{i,t}$	+0.0512	0.0210	2.44	0.0147	Cùng chiều (+)	Ý nghĩa 5% (**)
Tăng trưởng GDP	$GDP_t$	-0.0892	0.0271	-3.29	0.0010	Ngược chiều (-)	Ý nghĩa 1% (***)
Tỷ lệ lạm phát	$IFL_t$	+0.0345	0.0128	2.70	0.0069	Cùng chiều (+)	Ý nghĩa 1% (***)
Hằng số chặn	Constant	-0.0125	0.0054	-2.31	0.0209	-	Ý nghĩa 5% (**)

                       Summary of Factor Impacts on NPL Ratio
                                   
                                -0.25 -0.10  0.00   +0.10       +0.25       +0.40

---

Đổi mới và đóng góp

1. Khắc phục triệt để hiện tượng nội sinh chuỗi thời gian: Khác với các nghiên cứu trước đây tại Việt Nam (như Đỗ Quỳnh Anh & Nguyễn Đức Hùng 2013 chỉ dừng lại ở hồi quy tĩnh OLS/FEM), nghiên cứu này áp dụng kỹ thuật Two-step System GMM với hiệu chỉnh sai số chuẩn mẫu nhỏ Windmeijer (2005), giúp kết quả không bị chệch bởi mối quan hệ hai chiều giữa lợi nhuận ($ROA$), dự phòng ($LLR$) và nợ xấu ($NPL$).
2. Cập nhật chuỗi dữ liệu bao trùm biến động COVID-19 (2010–2021): Mở rộng khung phân tích qua 12 năm liên tiếp của 25 NHTMCP, cung cấp bằng chứng thực nghiệm rõ ràng nhất về sự biến chuyển chất lượng tín dụng trong giai đoạn kinh tế chịu cú sốc dịch bệnh toàn cầu.
3. Phát hiện mới về mối quan hệ giữa quy mô và nợ xấu tại Việt Nam: Nghiên cứu chứng minh giả thuyết "Quá lớn để phá sản" (Too Big To Fail) tồn tại rõ rệt tại hệ thống NHTMCP Việt Nam ($\beta = +0.0041, p < 0.05$). Các ngân hàng quy mô tài sản lớn có xu hướng nới lỏng khẩu vị rủi ro và chấp nhận tài trợ các dự án quy mô lớn có độ rủi ro cao do kỳ vọng vào sự can thiệp hỗ trợ thanh khoản từ ngân hàng trung ương.
4. Đối chiếu với các công trình nghiên cứu tiêu biểu:

Nghiên cứu	Phương pháp	Mẫu nghiên cứu	Kết quả biến $SIZE$	Kết quả biến $LGR$	Kết quả biến $ROA$
Salas & Saurina (2002)	Dynamic Panel GMM	Tây Ban Nha (1985–1997)	Âm (-)	Dương (+)	Âm (-)
Nguyễn Thị Hồng Vinh (2015)	System GMM	Việt Nam (2007–2014)	Dương (+)	Dương (+)	Âm (-)
Khóa luận hiện tại (2022)	Two-step System GMM	Việt Nam (2010–2021)	Dương (+)	Âm (-)	Âm (-)

Ghi chú về sự khác biệt của biến $LGR$: Trong giai đoạn 2010–2021, tốc độ tăng trưởng tín dụng có mối quan hệ ngược chiều ngắn hạn với tỷ lệ nợ xấu ($\beta = -0.0154$), phản ánh hiệu ứng mẫu số (mở rộng quy mô dư nợ làm loãng tỷ lệ nợ xấu tức thời), cảnh báo rủi ro nợ xấu tích tụ có thể bộc phát ở các chu kỳ sau khi các khoản vay đáo hạn.

---

Ứng dụng thực tế và triển khai

Tình huống ứng dụng thực tế tại NHTMCP

[Dữ liệu tài chính quý/năm]
[Khối Khách hàng Doanh nghiệp]             [Khối Quản trị Rủi ro (RMD)]                [Ban Điều hành (ALCO)]
- Thắt chặt điều kiện cấp hạn mức          - Tăng tỷ lệ trích lập dự phòng             - Điều chỉnh kế hoạch tăng
- Yêu cầu bổ sung tài sản bảo đảm            cho nhóm nợ có nguy cơ                      trưởng tín dụng theo kịch bản
- Rà soát hệ số đòn bẩy khách hàng         - Cập nhật kịch bản Stress-testing           lạm phát và tăng trưởng GDP

1. Khối Quản trị Rủi ro (Risk Management Division):
   • Sử dụng phương trình hồi quy làm mô hình dự báo sớm (Early Warning System - EWS) để ước lượng biến động nợ xấu danh mục khi có sự thay đổi về chỉ số kinh tế vĩ mô (lạm phát $IFL$, tăng trưởng $GDP$).
   • Điều chỉnh tỷ lệ trích lập dự phòng tín dụng ($LLR$) chủ động thay vì chờ đợi phát sinh nợ quá hạn nhóm 3–5.
2. Khối Khách hàng Doanh nghiệp và Bán lẻ:
   • Xây dựng chính sách lãi suất linh hoạt dựa trên chi phí rủi ro tín dụng (Risk-Adjusted Return on Capital - RAROC).
   • Kiểm soát tốc độ tăng trưởng tín dụng tại các chi nhánh có tỷ lệ nợ xấu kỳ trước ($NPL_{t-1}$) vượt ngưỡng 2%.
3. Lộ trình triển khai khuyến nghị:
   • Giai đoạn 1 (Tháng 1 - Tháng 3): Tích hợp công thức dự báo động vào phần mềm quản lý rủi ro tín dụng tập trung (Core Banking / Risk Data Mart).
   • Giai đoạn 2 (Tháng 4 - Tháng 9): Xây dựng ma trận phân bổ vốn tự có theo chuẩn Basel II nâng cao và Basel III, kiểm soát chặt chẽ tỷ lệ $ETA$ và quy mô tổng tài sản $SIZE$.
   • Giai đoạn 3 (Tháng 10 - Tháng 12): Hoàn thiện kịch bản kiểm tra sức chịu tải (Stress Testing) định kỳ ứng phó với chu kỳ suy giảm tăng trưởng kinh tế.

---

Hạn chế và hướng phát triển

• Hạn chế về dữ liệu vi mô: Nghiên cứu sử dụng số liệu nợ xấu dựa trên báo cáo tài chính đã công bố theo chuẩn VAS; chưa bóc tách được các khoản nợ tiềm ẩn đã được cơ cấu lại thời hạn trả nợ theo các Thông tư hỗ trợ COVID-19 của NHNN (Thông tư 01/2020/TT-NHNN, Thông tư 14/2021/TT-NHNN) và các khoản nợ bán cho VAMC chưa xử lý hết.
• Hạn chế về cấu trúc phân rã ngành: Dữ liệu chưa phân loại nợ xấu chi tiết theo từng ngành nghề kinh doanh (Bất động sản, Xây dựng, Nông nghiệp, Sản xuất công nghiệp).
• Hướng phát triển tiếp theo:
  • Mở rộng mô hình nghiên cứu kết hợp dữ liệu bảng không cân bằng (Unbalanced Panel Data) cho toàn bộ 31 ngân hàng thương mại Việt Nam.
  • Tích hợp thêm các biến quản trị doanh nghiệp (Corporate Governance Index - CGI, quy mô Hội đồng quản trị, tỷ lệ sở hữu nước ngoài).
  • Ứng dụng các thuật toán máy học (Machine Learning) như XGBoost, Random Forest để so sánh độ chính xác dự báo nợ xấu cá thể với mô hình kinh tế lượng GMM truyền thống.

---

Đối tượng hưởng lợi

• Sinh viên & Học viên cao học ngành Tài chính – Ngân hàng / Kinh tế lượng:
  • Nắm vững quy trình xây dựng Do-file Stata chuẩn mực, kỹ thuật xử lý dữ liệu bảng động và diễn giải các kiểm định kinh tế lượng nâng cao (Hansen $J$-test, Arellano-Bond AR test, Windmeijer correction).
• Chuyên viên Quản trị rủi ro & Phân tích tài chính tại Ngân hàng:
  • Nhận diện các tín hiệu cảnh báo sớm: Hiểu rõ cơ chế mà tỷ lệ lợi nhuận ($ROA$), đòn bẩy vốn ($ETA$) và dự phòng ($LLR$) tác động trực tiếp đến rủi ro danh mục cho vay.
• Lãnh đạo Ngân hàng & Cơ quan Quản lý Nhà nước (NHNN):
  • Có thêm cơ sở định lượng để hoạch định hạn mức tăng trưởng tín dụng (room tín dụng) phù hợp với chu kỳ vĩ mô, tránh tạo ra hiện tượng "bong bóng tín dụng" dẫn đến nợ xấu tăng vọt trong trung và dài hạn.

---

Câu hỏi thường gặp

1. Tại sao nghiên cứu lại ưu tiên lựa chọn phương pháp Two-step System GMM thay vì OLS hay FEM/REM?

Trong mô hình rủi ro tín dụng động, nợ xấu kỳ hiện tại ($NPL_{i,t}$) phụ thuộc mật thiết vào nợ xấu kỳ trước ($NPL_{i,t-1}$). Biến trễ này có tương quan trực tiếp với sai số ngẫu nhiên không quan sát được ($\eta_i$), vi phạm giả thiết ngoại sinh nghiêm trọng của OLS và mô hình hiệu ứng cố định FEM (chệch Nickell bias). Phương pháp Two-step System GMM giải quyết triệt để vấn đề này bằng cách thiết lập hệ phương trình sai phân và mức, sử dụng chính các biến trễ sâu hơn làm biến công cụ nội sinh hợp lệ.

2. Ý nghĩa kinh tế của hệ số hồi quy biến $ROA$ mang giá trị âm ($\beta = -0.2185$) là gì?

Hệ số này ủng hộ giả thuyết "Quản lý kém hiệu quả" (Bad Management Hypothesis) của Berger & DeYoung (1997). Khi ngân hàng có năng lực quản trị tốt, tối ưu hóa chi phí và lựa chọn thẩm định dự án chuẩn xác, khả năng sinh lời ($ROA$) sẽ cao, đồng thời tỷ lệ nợ xấu phát sinh sẽ thấp hơn. Cứ tăng 1% tỷ suất $ROA$ sẽ góp phần làm giảm 0.2185% tỷ lệ nợ xấu trong điều kiện các yếu tố khác không đổi.

3. Tại sao tăng trưởng tín dụng ($LGR$) lại có tương quan âm với nợ xấu trong ngắn hạn?

Về mặt toán học, tỷ lệ nợ xấu được tính bằng $NPL = \frac{\text{Tổng nợ xấu}}{\text{Tổng dư nợ}}$. Khi tốc độ tăng trưởng tín dụng mở rộng nhanh, mẫu số (Tổng dư nợ) tăng ngay lập tức trong năm phát sinh, làm cho tỷ lệ nợ xấu hiển thị bị giảm xuống tức thì. Tuy nhiên, nếu việc tăng trưởng tín dụng dựa trên chính sách nới lỏng điều kiện cho vay, rủi ro vỡ nợ thực sự sẽ xuất hiện sau 1–3 năm khi các khoản nợ bắt đầu đến hạn thanh toán gốc và lãi.

4. Kiểm định Hansen $J$-test có ý nghĩa gì trong việc khẳng định độ tin cậy của bài nghiên cứu?

Kiểm định Hansen $J$-test kiểm tra tính hợp lệ của các biến công cụ được tạo ra trong mô hình GMM. Giả thiết $H_0$ là các biến công cụ hoàn toàn ngoại sinh (không tương quan với sai số mô hình). Giá trị $p$-value của kiểm định đạt $0.599$ ($> 0.10$), chứng minh không thể bác bỏ $H_0$, xác nhận hệ thống biến công cụ hoàn toàn hợp lệ, không bị hiện tượng dư thừa công cụ (over-identification).

5. Khuyến nghị thực tế quan trọng nhất dành cho các NHTMCP Việt Nam từ kết quả nghiên cứu là gì?

Các ngân hàng không nên chạy theo chiến lược mở rộng quy mô tổng tài sản ($SIZE$) thuần túy mà thiếu hụt năng lực thẩm định chuyên sâu. Cần xây dựng vùng đệm an toàn vốn vững chắc, chủ động trích lập dự phòng rủi ro tín dụng ($LLR$) trong các giai đoạn kinh tế tăng trưởng thuận lợi (chính sách trích lập dự phòng nghịch chu kỳ - countercyclical provisioning) để có đủ nguồn lực hấp thu tổn thất khi nền kinh tế bước vào giai đoạn suy thoái hoặc chịu áp lực lạm phát cao.

---

Kết luận

Công trình nghiên cứu "Các yếu tố tác động đến nợ xấu của các Ngân hàng Thương mại Cổ phần tại Việt Nam" đã giải quyết thành công bài toán lượng hóa rủi ro tín dụng thông qua mô hình kinh tế lượng động hiện đại. Bằng việc kết hợp bộ dữ liệu bảng 12 năm của 25 NHTMCP và phương pháp Two-step System GMM, nghiên cứu đã chứng minh rõ ràng:

• Nợ xấu chịu ảnh hưởng mạnh mẽ bởi tính ỳ của quá khứ ($\beta = +0.3842$).
• Khả năng sinh lời ($ROA$) và tăng trưởng kinh tế ($GDP$) đóng vai trò là những nhân tố quan trọng giúp kiểm soát và thu hẹp tỷ lệ nợ xấu.
• Quy mô ngân hàng ($SIZE$), trích lập dự phòng ($LLR$), vốn chủ sở hữu ($ETA$) và lạm phát ($IFL$) có tác động thuận chiều tới sự gia tăng nợ xấu.

Những kết quả này không chỉ đóng góp giá trị học thuật sâu sắc vào hệ thống lý thuyết tài chính ngân hàng tại các thị trường mới nổi, mà còn cung cấp cơ sở định lượng vững chắc cho các nhà điều hành NHTMCP và Ngân hàng Nhà nước Việt Nam trong việc hoạch định chính sách kiểm soát rủi ro tín dụng, bảo đảm sự phát triển an toàn, lành mạnh và bền vững của toàn bộ hệ thống tài chính quốc gia.

Trích đoạn nội dung tài liệu

BỘ GIÁO DỤC VÀ ĐÀO TẠO NGÂN HÀNG NHÀ NƢỚC VIỆT NAM TRƢỜNG ĐẠI HỌC NGÂN HÀNG TP.HỒ CHÍ MINH NGUYỄN HOÀNG CHƢƠNG CÁC YẾU TỐ TÁC ĐỘNG ĐẾN NỢ XẤU CỦA CÁC NGÂN HÀNG THƢƠNG MẠI CỔ PHẦN TẠI VIỆT NAM KHÓA LUẬN TỐT NGHIỆP Chuyên ngành: Tài chính – Ngân hàng Mã số: 7 34 02 01 TP.HỒ CHÍ MINH, NĂM 2022 BỘ GIÁO DỤC VÀ ĐÀO TẠO NGÂN HÀNG NHÀ NƢỚC VIỆT NAM TRƢỜNG ĐẠI HỌC NGÂN HÀNG TP.HỒ CHÍ MINH Họ và tên sinh viên: NGUYỄN HOÀNG CHƢƠNG Mã số sinh viên: 050606180056 Lớp sinh hoạt: HQ6-GE04 CÁC YẾU TỐ TÁC ĐỘNG ĐẾN NỢ XẤU CỦA CÁC NGÂN HÀNG THƢƠNG MẠI CỔ PHẦN TẠI VIỆT NAM KHÓA LUẬN TỐT NGHIỆP Chuyên ngành: Tài chính – Ngân hàng Mã số: 7 34 02 01 NGƢỜI HƢỚNG DẪN KHOA HỌC PGS. ĐẶNG VĂN DÂN TP.HỒ CHÍ MINH, NĂM 2022 TÓM TẮT KHÓA LUẬN Mục đích của khóa luận nhằm nghiên cứu “Các yếu tố tác động đến nợ xấu của các Ngân hàng Thƣơng mại Cổ phần tại Việt Nam” từ năm 2010 đến năm 2021. Dữ liệu cho khóa luận nghiên cứu đƣợc thu thập từ báo cáo tài chính của 25 Ngân hàng Thƣơng mại Cổ phần tại Việt Nam từ năm 2010 đến năm 2021. Phƣơng pháp đƣợc sử dụng để tiếp cận điều này là sử dụng ƣớc tính dữ liệu bảng, Ƣớc lƣợng hồi quy bình phƣơng nhỏ nhất (GLS) và sử dụng hƣơng pháp ƣớc lƣợng Momen tổng quát (GMM).

Kết quả cho thấy các yếu tố tác động đến nợ xấu của các NHTMCP đƣợc tìm thấy trong mô hình nghiên cứu đều đạt mức ý nghĩa thống kê. Trong đó tỷ suất lợi nhuận trên tổng tài sản của ngân hàng, tốc độ tăng trƣởng tín dụng ngân hàng, tốc độ tăng trƣởng kinh tế đều có quan hệ ngƣợc chiều với nợ xấu, với ngƣợc lại là quy mô ngân hàng và tỷ lệ lạm phát, vốn chủ sở hữu trên tổng tài sản của ngân hàng, và dự phòng rủi ro tín dụng ngân hàng có tƣơng quan dƣơng với nợ xấu. Trên cơ sở kết quả nghiên cứu, khóa luận là cơ sở tham khảo, đƣa ra các đề xuất, kiến nghị cho các nhà quản lý ngân hàng. Góp phần hỗ trợ trong việc giúp các NHTMCP có đƣợc cái nhìn bao quát về các khoản nợ xấu, có chiến lƣợc xây dựng thành công về lâu dài, hạn chế gia tăng tỷ lệ nợ xấu và nâng cao hiệu quả hoạt động.

Từ khóa: Nợ xấu, Ngân hàng thương mại, GMM ABSTARCT A commercial bank is a business that specializes in capital trading and monetary services for businesses. Over the years of organization and development, Vietnam's joint stock commercial banks, have become progressively innovative in terms of quality, contributing to the country's economic development through credit activities, which are the bank's core, primary, and primary source of revenue in the banking industry. Because banks are the lifeblood of the economy, their failure will have a vital impact on capital mobility in the economy, leading to a crisis in the entire banking system. Therefore, the control of credit risk at banks is extremely important in parallel with the profitable business of bank profitable operation of banks.

Non-performing loans, which are a problem that must be focused on in credit risk management, are referred to as a warning sign of a potential financial disaster, according to Rogoff (2010), Nkusu, M (2011), Louzis (2012) and Klein (2013). Many recent studies throughout the world have shown the cause of bad debt. Internal and external variables, such as high-interest rates, have a link with the bank. Tobin (1880) said that banks must be worried about liquidity for depositors to withdraw money at any moment to reduce bad loans.

They must also be able to satisfy the customer's minimum cash requirements at any time. As a result, institutions must have a considerable quantity of highly liquid assets. In Vietnam, non-performing loans from commercial banks have not only found appearing recently, but they happened many years ago. Bad debts showed signs of increasing since 2007 and received special attention at the end of 2011.

When the macroeconomic situation deteriorated, the company's production and business activities were hindered. In particular, non-performing loans increased in amount to VND 85 trillion in 2011, accounting for 3.0% of total outstanding loans, leading commercial banks to face liquidity problems, affecting profits and business results. This is a common result of tighter monetary policy, as well as more companies showing signs of loss and bad debt, which accumulated over the years. Although the data is different because of many sources, the State Bank's annual report shows that the bad debt ratio skyrocketed to 4.

Data from the Inspection and Supervision Agency According to the survey, the bad debt ratio at the end of March 2012 was 8. However, the World Bank (2014) estimated the bad debt ratio of the Vietnamese banking system at the end of 2012 at 12%, significantly higher than the figure announced by the State Bank. Statistics from all sources show that the bad debt of Vietnamese commercial banks is quite worrying. Many studies have been conducted in Vietnam to detect the factors that influence non-performing loans in joint stock commercial banks.

The causes of bank non- performing loans have been related to the size and macro variables such as economic development, increased credit growth, and inflation, according to Vinh (2015), Le Kieu Oanh Dao (2020), and Hang Hoang Thi Thanh (2020). Knowing the causes of non- performing loans and studying their influence on commercial banks' business activities in Vietnam is core to developing a plan to avert bank collapses. The non-performing loan ratio has been changing in the past, but with the efforts of commercial banks and timely direction from the State Bank (SBV) and ministries, the non-performing loan percentage has tended to decrease. On the evolution of bad debts over time, according to SBV Deputy Governor Nguyen Kim Anh, the on-balance sheet non-performing loan percentage of the whole banking system was 2.46% in 2016, in 2017 it decreased to 1.9% in 2021, excluding bad debts.

Policymakers and state agencies are now using a variety of non-performing loan assessment methodologies to deal with bad debts in the short term. However, knowledge of the causes of non-performing loans is limited and finding out the major elements that produce non-performing loans has not been well-researched. The principal challenge is how to rapidly deal with bad debts, identify the core causes, and develop appropriate solutions to reduce bad debts, aid the banking industry's healthy development, and contribute to growth. For the above reasons, the author decided to choose the topic Factors affecting bad debt of joint stock commercial banks in Vietnam” from 2010 to 2021.

The data for the thesis are collected from the financial statements of 25 commercial banks in Vietnam from 2010 to 2021. The method used to approach this is using panel data estimation, Generalized Least Square (GLS), and use the Generalized Method of Moments (GMM) estimation method. The results show that the factors affecting the bad debt of commercial banks found in the research model are statistically meaningful. In which the rate of return on total assets of the bank, the growth rate of bank credit, and the economic growth rate are negatively related to bad debt, the opposite is the bank size and inflation rate, equity over total assets of the bank, and provision for bank credit risk are positively correlated with bad debt.

Based on the research results, the thesis is the reference base, giving suggestions and recommendations for the bank managers. Contributing to helping commercial banks gain a broad view, and successfully develop strategies in the long run, in order to limit the increase in bad debt ratio and improve operational efficiency. Keywords: Non-performing loan, Commercial bank, GMM. LỜI CAM ĐOAN Khóa luận này là công trình nghiên cứu riêng của tác giả, kết quả nghiên cứu là trung thực, trong đó không có các nội dung đã đƣợc công bố trƣớc đây hoặc các nội dung do ngƣời khác thực hiện ngoại trừ các trích dẫn đƣợc dẫn nguồn đầy đủ trong khóa luận.

Tác giả Nguyễn Hoàng Chƣơng LỜI CẢM ƠN Trƣớc hết, tôi xin gửi lời cảm ơn đến các Thầy Cô trƣờng Đại học Ngân Hàng Thành phố Hồ Chí Minh đã cung cấp đầy đủ các kiến thức cần thiết trong suốt thời gian qua, tạo điều kiện cho tác giả có thể thực hiện khóa luận tốt nghiệp với khả năng tốt nhất. Đặc biệt, tôi xin gửi lời cảm ơn chân thành nhất đến giảng viên hƣớng dẫn của mình, PGS.TS Đặng Văn Dân. Sự chỉ dẫn nhiệt tình và tâm huyết của thầy đã giúp đỡ tác giả rất nhiều trong quá trình thực hiện nghiên cứu. Cảm ơn các Thầy Cô đã có những góp ý và định hƣớng, giúp tác giả có động lực để hoàn thành khóa luận.

Với điều kiện và vốn kiến thức còn hạn chế của tác giả, khóa luận này sẽ không thể tránh đƣợc nhiều thiếu sót. Vì vậy, tác giả rất mong nhận đƣợc sự chỉ bảo của các thầy cô để có thể nâng cao kiến thức của bản thân, tích lũy thêm nhiều kinh nghiệm để có thể hoàn thành tốt hơn các bài nghiên cứu sắp tới. Tôi xin chân thành cảm ơn! TP.HCM, ngày 21, tháng 11, năm 2022 Sinh viên thực hiện Nguyễn Hoàng Chƣơng MỤC LỤC DANH MỤC VIẾT TẮT. i DANH MỤC KÝ HIỆU CÁC BIẾN.

ii DANH MỤC BẢNG .iii CHƢƠNG 1: GIỚI THIỆU NGHIÊN CỨU .1 Lý do chọn đề tài .2 Muc tiêu nghiên cứu. 3 Mục tiêu tổng quát. 3 Mục tiêu cụ thể. 3 Câu hỏi nghiên cứu .4 Đối tƣợng và phạm vi nghiên cứu .5 Phƣơng pháp nghiên cứu .6 Đóng góp của nghiên cứu .7 Kết cấu nghiên cứu.

6 Kết luận chƣơng 1. 7 CHƢƠNG 2: LÝ THUYẾT VÀ CÁC NGHIÊN CỨU THỰC NGHIỆM .1 Khái niệm nợ xấu ngân hàng .2 Lý thuyết các nhân tố tác động đến nợ xấu .3 Tổng quan các nghiên cứu thực nghiệm.1 Nghiên cứu trên thế giới .2 Nghiên cứu trong nƣớc .4 Các nhân tố ảnh hƣởng. 22 Kết luận Chƣơng 2. 27 CHƢƠNG 3: PHƢƠNG PHÁP VÀ DỮ LIỆU NGHIÊN CỨU.1 Mô hình nghiên cứu .1 Khái quát mô hình nghiên cứu .2 Giải thích về kỳ vọng của các biến.2 Dữ liệu nghiên cứu .3 Trình tự nghiên cứu.

34 Kết luận chƣơng 3. THẢO LUẬN KẾT QUẢ NGHIÊN CỨU .1 Thống kê mô tả biến .2 Phân tích tƣơng quan mô hình nghiên cứu .3 Phân tích hồi quy mô hình nghiên cứu .1 Kiểm định hiện tƣợng đa cộng tuyến .2 Kiểm định hiện tƣợng phƣơng sai thay đổi .3 Kiểm định hiện tƣợng tự tƣơng quan .4 Ƣớc lƣợng mô hình theo phƣơng pháp GMM .5 Thảo luận kết quả nghiên cứu. 48 Kết luận chƣơng 4. KẾT LUẬN VÀ KHUYẾN NGHỊ .2 Một số khuyến nghị .3 Hạn chế của đề tài và các hƣớng nghiên cứu tiếp theo.

56 Kết luận chƣơng 5. 57 TÀI LIỆU THAM KHẢO. CÁC NGÂN HÀNG TRONG MẪU NGHIÊN CỨU. vii PHỤ LỤC 2.

DỮ LIỆU NGHIÊN CỨU .viii PHỤ LỤC 3. KẾT QUẢ HỒI QUY. xiv PHỤ LỤC 4 .