Các Nhân Tố Ảnh Hưởng Đến Nợ Xấu Của Các Ngân Hàng Thương Mại Việt Nam

Chuyên khảo kinh tế phân tích Các nhân tố ảnh hưởng đến nợ xấu của các ngân hàng thương mại việt nam, đánh giá các khía cạnh quan trọng, đề xuất hướng nghiên cứu tiếp theo.

• Tác giả: Hồ Lê Bích Huyền
• Người hướng dẫn: TS. Nguyễn Phước Kinh Kha
• Trường học: Trường Đại Học Ngân Hàng Thành Phố Hồ Chí Minh
• Chuyên ngành: Tài chính – Ngân hàng
• Đề tài: Các Yếu Tố Ảnh Hưởng Đến Nợ Xấu Của Ngân Hàng Thương Mại Việt Nam
• Loại tài liệu: khóa luận tốt nghiệp
• Năm xuất bản: 2024
• Địa điểm: TP. Hồ Chí Minh

Mục lục chi tiết

• LỜI CAM ĐOAN
• 1. CHƯƠNG 1: GIỚI THIỆU ĐỀ TÀI
• 1.1. TÍNH CẤP THIẾT CỦA ĐỀ TÀI
• 1.2. MỤC 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
• 1.4.1. Đối tượng nghiên cứu
• 1.4.2. Phạm vi nghiên cứu
• 1.5. PHƯƠNG PHÁP NGHIÊN CỨU VÀ DỮ LIỆU NGHIÊN CỨU
• 1.5.1. Phương pháp nghiên cứu
• 1.5.2. Dữ liệu nghiên cứu
• 1.6. ĐÓNG GÓP CỦA ĐỀ TÀI
• 1.7. BỐ CỤC BÀI NGHIÊN CỨU
• 1.8. KẾT LUẬN CHƯƠNG 1
• 2. CHƯƠNG 2: TỔNG QUAN CƠ SỞ LÝ THUYẾT VÀ THỰC NGHIỆM
• 2.1. CƠ SỞ LÝ THUYẾT VỀ NỢ XẤU CỦA CÁC NGÂN HÀNG THƯƠNG MẠI VIỆT NAM
• 2.2. Khái niệm nợ xấu
• 2.3. Phân loại nợ
• 2.4. CHỈ TIÊU ĐO LƯỜNG NỢ XẤU
• 2.4.1. Tỷ lệ nợ xấu trên tổng dư nợ
• 2.4.2. Tỷ lệ quá hạn trên tổng dư nợ
• 2.4.3. Dự phòng rủi ro tín dụng
• 2.5. LÝ THUYẾT LIÊN QUAN ĐẾN NỢ XẤU
• 2.5.1. Lý thuyết thông tin bất cân xứng (Asymmetric Information)
• 2.5.2. Lý thuyết chu kỳ kinh doanh (Business Cycle Theory)
• 2.6. CÁC NHÂN TỐ ẢNH HƯỞNG ĐẾN NỢ XẤU
• 2.6.1. Nhóm yếu tố vi mô
• 2.6.2. Nhóm yếu tố vĩ mô
• 2.7. LƯỢC KHẢO NGHIÊN CỨU
• 2.7.1. Nghiên cứu nước ngoài
• 2.7.2. Nghiên cứu trong nước
• 2.8. KẾT LUẬN CHƯƠNG 2
• 3. CHƯƠNG 3: MÔ HÌNH DỮ LIỆU VÀ PHƯƠNG PHÁP NGHIÊN CỨU
• 3.1. QUY TRÌNH NGHIÊN CỨU
• 3.2. MẪU VÀ DỮ LIỆU NGHIÊN CỨU
• 3.3. PHƯƠNG PHÁP NGHIÊN CỨU
• 3.3.1. Thống kê mô tả
• 3.3.2. Phân tích tương quan
• 3.3.3. Phân tích hồi quy
• 3.3.4. Kiểm định lựa chọn mô hình
• 3.3.5. Kiểm định khuyết tật mô hình
• 3.4. MÔ HÌNH NGHIÊN CỨU VÀ MÔ TẢ BIẾN
• 3.4.1. Khát quát mô hình nghiên cứu
• 3.4.2. Giải thích biến
• 3.4.3. Các giải thuyết nghiên cứu của mô hình
• 3.5. KẾT LUẬN CHƯƠNG 3
• 4. CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN
• 4.1. KẾT QUẢ, Ý NGHĨA CỦA HỆ SỐ HỒI QUY
• 4.1.1. Thống kê mô tả
• 4.1.2. Ma trận hệ số tương quan
• 4.1.3. Phân tích hồi quy
• 4.1.4. Kiểm định các khuyết tật trong mô hình
• 4.2. THẢO LUẬN KẾT QUẢ NGHIÊN CỨU
• 4.3. KẾT LUẬN CHƯƠNG 4
• 5. CHƯƠNG 5: KẾT LUẬN VÀ CÁC KIẾN NGHỊ ĐỀ XUẤT
• 5.1. MỘT SỐ GIẢI PHÁP KIẾN NGHỊ
• 5.2. NHỮNG ĐIỂM HẠN CHẾ CỦA ĐỀ TÀI VÀ HƯỚNG NGHIÊN CỨU TIẾP THEO
• 5.2.1. Những điểm hạn chế
• 5.2.2. Hướng nghiên cứu tiếp theo
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng Quan Về Nợ Xấu Ngân Hàng Thương Mại Việt Nam

Nợ xấu luôn là vấn đề nhức nhối đối với các ngân hàng thương mại. Nó ảnh hưởng trực tiếp đến hiệu quả hoạt động ngân hàng, khả năng sinh lời và sự ổn định của hệ thống tài chính. Tình trạng nợ xấu ngân hàng thương mại không chỉ là bài toán riêng của từng tổ chức tín dụng mà còn là mối quan tâm của toàn xã hội, liên quan đến chính sách tài chính, quản trị rủi ro tín dụng, và cả những vấn đề an sinh xã hội. Bài viết này sẽ đi sâu vào các yếu tố tác động đến tỷ lệ nợ xấu tại Việt Nam, cung cấp cái nhìn tổng quan và đa chiều về vấn đề này. Việc kiểm soát và xử lý nợ có vấn đề là vô cùng quan trọng.

1.1. Định Nghĩa Chi Tiết Về Nợ Xấu và Phân Loại

Khái niệm nợ xấu được hiểu theo nhiều cách khác nhau. Các tổ chức quốc tế như IMF và ECB có những định nghĩa riêng, thường liên quan đến thời gian quá hạn thanh toán (90 ngày trở lên) và khả năng thu hồi vốn. Tại Việt Nam, Thông tư 11/2021/TT-NHNN quy định chi tiết về phân loại tài sản, dự phòng rủi ro tín dụng, và sử dụng dự phòng để giảm thiểu rủi ro trong hoạt động ngân hàng. Việc phân loại nợ chính xác là bước đầu tiên để quản lý và xử lý nợ xấu được phân loại như thế nào, bao gồm nợ đủ tiêu chuẩn, nợ cần chú ý, nợ dưới tiêu chuẩn, nợ nghi ngờ, và nợ có khả năng mất vốn.

1.2. Tầm Quan Trọng Của Việc Quản Lý Nợ Xấu Hiệu Quả

Quản lý nợ xấu hiệu quả là yếu tố then chốt để đảm bảo sự an toàn và lành mạnh của hệ thống ngân hàng. Tỷ lệ nợ xấu cao sẽ làm giảm khả năng trả nợ, ảnh hưởng đến hiệu quả hoạt động ngân hàng, làm suy yếu năng lực cạnh tranh và giảm hiệu quả sử dụng vốn. Việc xử lý nợ xấu kịp thời giúp giải phóng nguồn vốn, tăng cường khả năng cho vay, thúc đẩy tăng trưởng tín dụng, và góp phần vào tăng trưởng GDP. Theo Hồ Lê Bích Huyền (2024), nợ xấu không chỉ ảnh hưởng đến hoạt động ngân hàng mà còn liên quan đến nhiều khía cạnh của nền kinh tế.

II. Thách Thức Nợ Xấu Đối Với Ngân Hàng Việt Nam Hiện Nay

Hệ thống ngân hàng thương mại Việt Nam đã trải qua nhiều biến động về tỷ lệ nợ xấu trong những năm gần đây. Giai đoạn 2010-2012 chứng kiến sự gia tăng đáng kể, vượt ngưỡng an toàn 3%. Mặc dù đã có những nỗ lực điều chỉnh và các biện pháp hỗ trợ, nguy cơ tiềm ẩn vẫn còn. Các yếu tố khách quan như dịch bệnh, biến động kinh tế toàn cầu, và các yếu tố chủ quan như chính sách tín dụng, khả năng quản lý nợ, đều có thể gây áp lực lên chất lượng tín dụng và làm gia tăng nợ có vấn đề. Việc dự báo nợ xấu và chuẩn bị các biện pháp phòng ngừa là vô cùng quan trọng.

2.1. Ảnh Hưởng Của Đại Dịch COVID 19 Đến Nợ Xấu

Đại dịch COVID-19 đã tác động tiêu cực đến nhiều lĩnh vực của nền kinh tế, làm suy giảm khả năng trả nợ của doanh nghiệp và cá nhân. Các biện pháp giãn cách xã hội, ngừng sản xuất, và mất việc làm đã khiến nhiều người vay gặp khó khăn trong việc trả nợ. Thông tư 14/2021/TT-NHNN, mặc dù giúp giảm áp lực ngắn hạn, nhưng cũng tiềm ẩn nguy cơ nợ xấu gia tăng sau khi hết hiệu lực. Cần có các giải pháp hỗ trợ doanh nghiệp và người dân phục hồi sản xuất kinh doanh để giảm thiểu tác động của COVID-19 đến nợ xấu.

2.2. Rủi Ro Từ Thị Trường Bất Động Sản và Chứng Khoán

Thị trường bất động sản và thị trường chứng khoán biến động có thể gây ảnh hưởng lớn đến chất lượng tín dụng của các ngân hàng thương mại. Giá bất động sản giảm có thể làm giảm giá trị tài sản đảm bảo, khiến các khoản vay trở nên rủi ro hơn. Sự sụt giảm của thị trường chứng khoán cũng có thể ảnh hưởng đến dòng tiền của doanh nghiệp và cá nhân, làm tăng nguy cơ nợ quá hạn. Cần có sự giám sát chặt chẽ và các biện pháp kiểm soát rủi ro để giảm thiểu tác động từ hai thị trường này.

III. Các Yếu Tố Vi Mô Tác Động Nợ Xấu Ngân Hàng Việt Nam

Các yếu tố vi mô, liên quan đến hoạt động và quản lý nội bộ của ngân hàng thương mại, có vai trò quan trọng trong việc kiểm soát nợ xấu. Quản trị rủi ro tín dụng, thẩm định tín dụng, khả năng quản lý nợ, và kiểm soát nội bộ là những yếu tố then chốt. Các ngân hàng có chính sách tín dụng chặt chẽ, quy trình thẩm định tín dụng bài bản, và hệ thống kiểm soát nội bộ hiệu quả thường có tỷ lệ nợ xấu thấp hơn. Việc nâng cao năng lực thẩm định tín dụng và quản lý rủi ro là vô cùng quan trọng.

3.1. Ảnh Hưởng Của Chất Lượng Thẩm Định Tín Dụng Đến Nợ Xấu

Thẩm định tín dụng là khâu quan trọng nhất trong quy trình cấp tín dụng. Một quy trình thẩm định tín dụng chặt chẽ, toàn diện, và khách quan giúp đánh giá chính xác khả năng trả nợ của người vay, từ đó giảm thiểu rủi ro nợ quá hạn. Việc đánh giá thông tin tài chính, dòng tiền, cấu trúc vốn, và các yếu tố liên quan đến ngành nghề kinh doanh của người vay là vô cùng quan trọng. Cần có sự đào tạo chuyên sâu và nâng cao đạo đức nghề nghiệp cho cán bộ tín dụng để đảm bảo chất lượng tín dụng.

3.2. Vai Trò Của Quản Trị Rủi Ro Tín Dụng và Kiểm Soát Nội Bộ

Quản trị rủi ro tín dụng hiệu quả giúp ngân hàng nhận diện, đo lường, và kiểm soát các rủi ro liên quan đến hoạt động tín dụng. Kiểm soát nội bộ chặt chẽ giúp đảm bảo tuân thủ các quy định pháp luật và chính sách tín dụng, ngăn ngừa các hành vi sai phạm có thể dẫn đến nợ xấu. Việc áp dụng các chuẩn mực Basel II/Basel III giúp nâng cao mức độ tuân thủ và năng lực cạnh tranh của ngân hàng.

IV. Tác Động Yếu Tố Vĩ Mô Lên Nợ Xấu Ngân Hàng Thương Mại

Các yếu tố vĩ mô, liên quan đến tình hình kinh tế chung của đất nước, có ảnh hưởng không nhỏ đến tỷ lệ nợ xấu của ngân hàng thương mại. Tăng trưởng GDP, lạm phát, thất nghiệp, lãi suất cho vay, và tỷ giá hối đoái là những yếu tố quan trọng. Khi tăng trưởng kinh tế chậm lại, thất nghiệp gia tăng, và lạm phát tăng cao, khả năng trả nợ của doanh nghiệp và cá nhân sẽ giảm sút, dẫn đến nguy cơ nợ xấu gia tăng. Các biến động kinh tế và thay đổi chính sách đều có thể tác động đến chất lượng tín dụng.

4.1. Ảnh Hưởng Của Tăng Trưởng GDP Và Lạm Phát

Tăng trưởng GDP cao tạo điều kiện thuận lợi cho doanh nghiệp và cá nhân tăng thu nhập, từ đó nâng cao khả năng trả nợ. Lạm phát cao có thể làm giảm sức mua của người dân và tăng chi phí sản xuất của doanh nghiệp, từ đó gây áp lực lên khả năng trả nợ. Chính phủ cần có các biện pháp ổn định kinh tế vĩ mô, kiểm soát lạm phát, và thúc đẩy tăng trưởng GDP bền vững để giảm thiểu rủi ro nợ xấu.

4.2. Tác Động Của Lãi Suất Cho Vay Và Tỷ Giá Hối Đoái

Lãi suất cho vay tăng cao làm tăng chi phí vay vốn của doanh nghiệp và cá nhân, từ đó giảm khả năng trả nợ. Tỷ giá hối đoái biến động mạnh có thể gây khó khăn cho các doanh nghiệp có vay nợ bằng ngoại tệ. Ngân hàng Nhà nước cần điều hành chính sách tiền tệ linh hoạt, ổn định lãi suất cơ bản và tỷ giá hối đoái, để hỗ trợ doanh nghiệp và người dân vượt qua khó khăn.

V. Giải Pháp Giảm Thiểu Nợ Xấu Cho Ngân Hàng Thương Mại

Để giảm thiểu nợ xấu, cần có các giải pháp đồng bộ từ phía ngân hàng thương mại, Ngân hàng Nhà nước, và Chính phủ. Các ngân hàng thương mại cần nâng cao năng lực quản trị rủi ro tín dụng, siết chặt quy trình thẩm định tín dụng, và tăng cường kiểm soát nội bộ. Ngân hàng Nhà nước cần có các chính sách hỗ trợ tái cơ cấu nợ, xử lý nợ xấu, và tạo điều kiện thuận lợi cho thị trường mua bán nợ xấu. Chính phủ cần có các biện pháp ổn định kinh tế vĩ mô, hỗ trợ doanh nghiệp và người dân phục hồi sản xuất kinh doanh.

5.1. Nâng Cao Năng Lực Quản Trị Rủi Ro và Thẩm Định Tín Dụng

Các ngân hàng thương mại cần đầu tư vào hệ thống quản trị rủi ro tín dụng hiện đại, áp dụng các chuẩn mực quốc tế như Basel II/Basel III, và đào tạo chuyên sâu cho cán bộ tín dụng. Quy trình thẩm định tín dụng cần được thực hiện một cách khách quan, toàn diện, và dựa trên các thông tin tài chính đáng tin cậy. Cần có sự phân công trách nhiệm rõ ràng và cơ chế kiểm tra, giám sát hiệu quả để đảm bảo chất lượng tín dụng.

5.2. Tái Cơ Cấu Nợ và Xử Lý Nợ Xấu Hiệu Quả

Ngân hàng Nhà nước cần có các chính sách khuyến khích tái cơ cấu nợ cho các doanh nghiệp và cá nhân gặp khó khăn do các yếu tố khách quan. Cần có các cơ chế xử lý nợ xấu hiệu quả, bao gồm bán đấu giá tài sản đảm bảo, thành lập công ty quản lý tài sản (VAMC), và khuyến khích thị trường mua bán nợ xấu phát triển. Cần có sự minh bạch và công khai trong quá trình xử lý nợ xấu để đảm bảo quyền lợi của các bên liên quan.

VI. Kết Luận Về Nợ Xấu Và Hướng Nghiên Cứu Tiếp Theo

Bài viết đã phân tích các yếu tố ảnh hưởng đến nợ xấu của ngân hàng thương mại Việt Nam, bao gồm cả các yếu tố vi mô và vĩ mô. Việc kiểm soát nợ xấu là một nhiệm vụ phức tạp, đòi hỏi sự phối hợp chặt chẽ giữa các bên liên quan và các giải pháp đồng bộ. Các nghiên cứu tiếp theo có thể tập trung vào việc xây dựng mô hình dự báo nợ xấu, đánh giá ảnh hưởng của nợ xấu đến kinh tế, hoặc nghiên cứu các biện pháp giảm thiểu nợ xấu hiệu quả hơn. Việc đánh giá hệ thống tín dụng và đưa ra các khuyến nghị cải thiện cũng là một hướng đi tiềm năng.

6.1. Tổng Kết Các Yếu Tố Chính Ảnh Hưởng Đến Nợ Xấu

Các yếu tố chính ảnh hưởng đến nợ xấu bao gồm: chất lượng thẩm định tín dụng, quản trị rủi ro tín dụng, kiểm soát nội bộ, tăng trưởng GDP, lạm phát, lãi suất cho vay, và tỷ giá hối đoái. Việc nâng cao khả năng quản lý nợ và khả năng trả nợ của doanh nghiệp và cá nhân là chìa khóa để giảm thiểu nợ xấu. Chính sách tiền tệ và tài khóa ổn định cũng đóng vai trò quan trọng.

6.2. Đề Xuất Hướng Nghiên Cứu Mới Về Nợ Xấu

Các nghiên cứu tiếp theo có thể tập trung vào việc phân tích tác động của nợ xấu đến tăng trưởng kinh tế, xây dựng mô hình đánh giá rủi ro tín dụng chính xác hơn, hoặc nghiên cứu các giải pháp sáng tạo để xử lý nợ xấu. Việc đánh giá ảnh hưởng của nợ xấu đến kinh tế vĩ mô và các chính sách giảm thiểu nợ xấu cụ thể cũng là một hướng đi đầy tiềm năng.

Nội dung chính

Giới thiệu dự án

Nợ xấu (Non-Performing Loans - NPL) được xem là "cục máu đông" đe dọa sự an toàn thanh khoản và tính ổn định của hệ thống tài chính ngân hàng. Theo quy chuẩn giám sát ngân hàng quốc tế của Ủy ban Basel (BCBS) và Ngân hàng Trung ương Châu Âu (ECB), tỷ lệ nợ xấu trên tổng dư nợ vượt ngưỡng an toàn 3% cảnh báo rủi ro suy thoái tín dụng sâu rộng. Tại Việt Nam, sau giai đoạn khủng hoảng tái cơ cấu 2011–2015 với đỉnh điểm nợ xấu năm 2012 chạm mức 4,08%, hệ thống Ngân hàng Thương mại (NHTM) đã từng bước phục hồi nhờ Nghị quyết số 42/2017/QH14 và Quyết định số 1058/QĐ-TTg, đưa nợ xấu nội bảng giai đoạn 2018–2019 xuống dưới 2%.

Tuy nhiên, bước sang chu kỳ 2020–2022, tác động kép từ đại dịch COVID-19, gián đoạn chuỗi cung ứng toàn cầu, biến động lạm phát và việc Thông tư 14/2021/TT-NHNN (về cơ cấu lại thời hạn trả nợ, giữ nguyên nhóm nợ) hết hiệu lực từ ngày 30/06/2022 đã tạo áp lực tiềm tàng khiến nợ xấu gia tăng trở lại. Tính đến ngày 21/12/2022, tổng dư nợ tín dụng toàn nền kinh tế đạt 11,78 triệu tỷ đồng (tăng 12,78% so với đầu năm), với hạn mức tăng trưởng tín dụng định hướng được Ngân hàng Nhà nước (NHNN) nới rộng lên 15,5%–16,0%.

+---------------------------------------------------------------------------------------+
|                TIẾN TRÌNH BIẾN ĐỘNG TỶ LỆ NỢ XẤU NHTM VIỆT NAM (2010 - 2022)          |
+---------------------------------------------------------------------------------------+
|  2010 - 2012: Đỉnh nợ xấu hệ thống (Chạm mức 4,08% năm 2012 do khủng hoảng BĐS)     |
|  2013 - 2015: Triển khai Đề án cơ cấu lại các TCTD (Quyết định 254/QĐ-TTg)            |
|  2016 - 2019: Xử lý nợ xấu qua VAMC & Nghị quyết 42/2017/QH14 (NPL giảm < 2%)         |
|  2020 - 2021: Tác động đại dịch COVID-19, hoãn chuyển nhóm nợ (Thông tư 01, 14)       |
|  2022       : Hết hạn Thông tư 14/2021/TT-NHNN, rủi ro nợ xấu tiềm ẩn bộc phát       |
+---------------------------------------------------------------------------------------+

Vấn đề cốt lõi đặt ra là sự tác động đa chiều, phi tuyến tính giữa các yếu tố nội tại ngân hàng (vi mô) và các cú sốc kinh tế vĩ mô đến rủi ro tín dụng. Đề tài khóa luận "Các nhân tố ảnh hưởng đến nợ xấu của các ngân hàng thương mại Việt Nam" do sinh viên Hồ Lê Bích Huyền thực hiện (người hướng dẫn: TS. Nguyễn Phước Kinh Kha, Trường Đại học Ngân hàng TP. Hồ Chí Minh, 02/2024) tập trung giải quyết triệt để bài toán định lượng này.

Mục tiêu nghiên cứu cụ thể

1. Xác định và đo lường hệ thống các biến số vi mô đặc thù ngân hàng (CAP, LLR, SIZE, LIQ, ROA, ROE, LG) và biến số vĩ mô (GDP, INF, UNT) chi phối tỷ lệ nợ xấu.
2. Thực hiện kiểm định kinh tế lượng đa biến trên dữ liệu bảng (Panel Data) gồm 27 NHTM Việt Nam giai đoạn 2010–2022 (351 quan sát) nhằm lựa chọn mô hình tối ưu giữa Pooled OLS, FEM (Fixed Effects Model) và REM (Random Effects Model).
3. Kiểm định và khắc phục triệt để các khuyết tật mô hình (đa cộng tuyến, phương sai sai số thay đổi, tự tương quan) bằng phương pháp Bình phương tối thiểu tổng quát khả thi (Feasible Generalized Least Squares - FGLS).
4. Xây dựng ma trận khuyến nghị giải pháp quản trị rủi ro tín dụng thực nghiệm cho ban điều hành ngân hàng và cơ quan quản lý (NHNN).

Phạm vi và giới hạn dữ liệu

• Không gian: 27 NHTM Cổ phần niêm yết và giao dịch trên các sàn HOSE, HNX, UPCoM có báo cáo tài chính kiểm toán liên tục.
• Thời gian: 13 năm (2010–2022), bao quát trọn vẹn hai chu kỳ kinh tế lớn và các biến động chính sách tái cơ cấu.
• Dữ liệu: Dữ liệu thứ cấp từ Báo cáo tài chính hợp nhất, Báo cáo thường niên, cổng thông tin NHNN, Tổng cục Thống kê (TCTK) và Ngân hàng Thế giới (World Bank Data).

---

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu rủi ro tín dụng truyền thống thường đối mặt với các hạn chế về phương pháp luận khi xử lý dữ liệu vi mô ngân hàng theo chuỗi thời gian hoặc dữ liệu chéo đơn thuần.

Phương pháp tiếp cận	Ưu điểm	Hạn chế cốt lõi	Mức độ phù hợp với dữ liệu ngân hàng
Mô hình Hồi quy gộp (Pooled OLS)	Đơn giản, dễ tính toán, tổng hợp nhanh bức tranh chung	Bỏ qua yếu tố đặc thù riêng biệt (unobserved heterogeneity) của từng NHTM; sai số chuẩn chệch	Kém (Vi phạm giả định OLS cổ điển)
Mô hình Tác động Cố định (FEM)	Kiểm soát hoàn toàn các biến đặc thù không đổi theo thời gian của từng ngân hàng	Mất bậc tự do nếu $N$ lớn; không ước lượng được tác động của các biến bất biến theo thời gian	Trung bình
Mô hình Tác động Ngẫu nhiên (REM)	Tiết kiệm bậc tự do, cho phép khái quát hóa tổng thể mẫu nghiên cứu	Giả định sai số không tương quan với các biến giải thích (dễ bị chệch nếu vi phạm)	Tốt (Cần kiểm định Hausman)
Hồi quy FGLS (Khả thi tổng quát)	Khắc phục hoàn toàn hiện tượng phương sai thay đổi và tự tương quan bậc 1 [AR(1)]	Đòi hỏi cỡ mẫu đủ lớn ($N \times T$) để đảm bảo tính tiệm cận vững	Tối ưu nhất cho dữ liệu bảng 2010–2022

Hệ thống yêu cầu xử lý dữ liệu được phân cấp theo mô hình MoSCoW:

• Must-have (Bắt buộc): Kiểm định Hausman phân định FEM/REM; kiểm định Breusch-Pagan Lagrange Multiplier kiểm tra phương sai thay đổi; kiểm định Wooldridge kiểm tra tự tương quan; ma trận hệ số phóng đại phương sai (VIF) kiểm tra đa cộng tuyến.
• Should-have (Cần có): Khắc phục khuyết tật bằng FGLS (xtgls, panels(hetero) corr(ar1)).
• Could-have (Có thể mở rộng): Mở rộng sang mô hình GMM động (Difference/System GMM) kiểm soát độ trễ $NPL_{t-1}$.
• Won't-have (Không thực hiện): Không áp dụng các mô hình phi tham số thiếu tính giải thích kinh tế lượng vi mô.

Thiết kế hệ thống xử lý và công nghệ

Toàn bộ quy trình xử lý dữ liệu và kiểm định thực nghiệm được vận hành trên hạ tầng phần mềm thống kê chuyên dụng Stata 17.0 kết hợp công cụ trích xuất dữ liệu Microsoft Excel.

+---------------------------------------------------------------------------------------+
|                    KIẾN TRÚC PIPELINE XỬ LÝ DỮ LIỆU KINH TẾ LƯỢNG                      |
+---------------------------------------------------------------------------------------+
|                                                                                       |
|   [BCTC Kiểm toán 27 NHTM]         [Dữ liệu Vĩ mô (World Bank, TCTK)]                 |
|   (CAP, LLR, SIZE, LIQ, ROA, ROE, LG)      (GDP, INF, UNT)                            |
|                     \                     /                                           |
|                      v                   v                                            |
|          +-----------------------------------------------+                            |
|          |     Data Cleaning & Panel Structuring         |                            |
|          |     (Excel Engine -> Balanced Panel N=27, T=13) |                           |
|          +-----------------------+-----------------------+                            |
|                                  |                                                    |
|                                  v                                                    |
|          +-----------------------------------------------+                            |
|          |     Stata 17.0 Econometric Core Engine        |                            |
|          +-----------------------+-----------------------+                            |
|                                  |                                                    |
|         +------------------------+------------------------+                           |
|         |                                                 |                           |
|         v                                                 v                           |
|  [Hồi quy Pooled OLS / FEM / REM]              [Kiểm định Lựa chọn & Khuyết tật]       |
|  - xtreg ..., fe                               - F-test & Hausman Test                |
|  - xtreg ..., re                               - Breusch-Pagan & Wooldridge Test       |
|         |                                                 |                           |
|         +------------------------+------------------------+                           |
|                                  |                                                    |
|                                  v                                                    |
|          +-----------------------------------------------+                            |
|          |   FGLS Estimation (panels=hetero, corr=ar1)   |                            |
|          |   -> Kết quả ước lượng vững, không chệch       |                            |
|          +-----------------------------------------------+                            |
+---------------------------------------------------------------------------------------+

Phương trình toán học và định nghĩa biến

Mô hình hồi quy tổng quát được thiết lập:

$$NPL_{i,t} = \beta_0 + \beta_1 GDP_t + \beta_2 INF_t + \beta_3 UNT_t + \beta_4 SIZE_{i,t} + \beta_5 CAP_{i,t} + \beta_6 LIQ_{i,t} + \beta_7 ROE_{i,t} + \beta_8 ROA_{i,t} + \beta_9 LG_{i,t} + \beta_{10} LLR_{i,t} + \varepsilon_{i,t}$$

Trong đó:

• $i = 1, \dots, 27$ đại diện cho 27 NHTM; $t = 2010, \dots, 2022$ đại diện cho 13 năm quan sát.
• Biến phụ thuộc: $NPL_{i,t} = \frac{\text{Nợ nhóm 3 + Nợ nhóm 4 + Nợ nhóm 5}}{\text{Tổng dư nợ}} \times 100%$ (theo Thông tư 11/2021/TT-NHNN).
• Nhóm biến vi mô:
  • $SIZE_{i,t} = \ln(\text{Tổng tài sản})$: Quy mô ngân hàng.
  • $CAP_{i,t} = \frac{\text{Vốn chủ sở hữu}}{\text{Tổng tài sản}}$: Tỷ lệ an toàn vốn/vốn hóa.
  • $LIQ_{i,t} = \frac{\text{Tài sản ngắn hạn}}{\text{Nợ ngắn hạn}}$: Tỷ lệ thanh khoản.
  • $ROA_{i,t} = \frac{\text{Lợi nhuận sau thuế}}{\text{Tổng tài sản bình quân}}$: Tỷ suất sinh lời trên tài sản.
  • $ROE_{i,t} = \frac{\text{Lợi nhuận sau thuế}}{\text{Vốn CSH bình quân}}$: Tỷ suất sinh lời trên vốn CSH.
  • $LG_{i,t} = \frac{\text{Tổng dư nợ}t - \text{Tổng dư nợ}{t-1}}{\text{Tổng dư nợ}_{t-1}}$: Tốc độ tăng trưởng tín dụng.
  • $LLR_{i,t} = \frac{\text{Dự phòng rủi ro tín dụng}}{\text{Tổng tài sản}}$: Tỷ lệ dự phòng tổn thất cho vay.
• Nhóm biến vĩ mô:
  • $GDP_t = \frac{GDP_t - GDP_{t-1}}{GDP_{t-1}}$: Tốc độ tăng trưởng GDP thực tế.
  • $INF_t = \frac{CPI_t - CPI_{t-1}}{CPI_{t-1}}$: Tỷ lệ lạm phát bình quân.
  • $UNT_t = \frac{\text{Số người thất nghiệp}}{\text{Lực lượng lao động}}$: Tỷ lệ thất nghiệp xã hội.

---

Implementation và kết quả

Kịch bản thực thi trên Stata 17.0

Quy trình phân tích dữ liệu được lập trình hóa thông qua chuỗi lệnh (Stata script) tiêu chuẩn hóa nhằm đảm bảo tính tái lập (reproducibility):

* ==============================================================================
* KHÓA LUẬN: CÁC NHÂN TỐ ẢNH HƯỞNG ĐẾN NỢ XẤU NHTM VIỆT NAM (2010-2022)
* Phân tích Kinh tế lượng Dữ liệu Bảng trên Stata 17.0
* ==============================================================================

clear all
set more off

* 1. Khai báo cấu trúc Panel Data
import excel using "Data_NPL_27NHTM_2010_2022.xlsx", sheet("PanelData") firstrow
xtset bank_id year

* 2. Thống kê mô tả và Ma trận tương quan
summarize NPL GDP INF UNT SIZE CAP LIQ ROE ROA LG LLR
pwcorr NPL GDP INF UNT SIZE CAP LIQ ROE ROA LG LLR, sig star(0.05)

* 3. Ước lượng 03 mô hình cơ sở
* 3.1. Pooled OLS
regress NPL GDP INF UNT SIZE CAP LIQ ROE ROA LG LLR
estimates store POOLED_OLS

* 3.2. Fixed Effects Model (FEM)
xtreg NPL GDP INF UNT SIZE CAP LIQ ROE ROA LG LLR, fe
estimates store FEM_MODEL

* 3.3. Random Effects Model (REM)
xtreg NPL GDP INF UNT SIZE CAP LIQ ROE ROA LG LLR, re
estimates store REM_MODEL

* 4. Kiểm định lựa chọn mô hình tối ưu
* 4.1. Kiểm định F-test (Pooled OLS vs FEM): p < 0.05 -> Chọn FEM
* 4.2. Kiểm định Hausman Test (FEM vs REM)
hausman FEM_MODEL REM_MODEL

* 5. Kiểm định khuyết tật mô hình trên REM
* 5.1. Đa cộng tuyến (VIF)
regress NPL GDP INF UNT SIZE CAP LIQ ROE ROA LG LLR
estat vif

* 5.2. Kiểm định phương sai sai số thay đổi (Breusch and Pagan Lagrangian multiplier)
xttest0

* 5.3. Kiểm định tự tương quan (Wooldridge test)
xtserial NPL GDP INF UNT SIZE CAP LIQ ROE ROA LG LLR

* 6. Khắc phục khuyết tật bằng Hồi quy FGLS (Cross-sectional time-series FGLS)
xtgls NPL GDP INF UNT SIZE CAP LIQ ROE ROA LG LLR, panels(heteroskedastic) corr(ar1)
estimates store FGLS_MODEL

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

1. Lựa chọn mô hình:
   • Kiểm định F-test: Giá trị $P\text{-value} < 0.05$, bác bỏ giả thuyết $H_0$, cho thấy mô hình FEM vượt trội so với Pooled OLS.
   • Kiểm định Hausman: So sánh giữa FEM và REM thu được $P\text{-value} > 0.05$ (chấp nhận giả thuyết $H_0$: Không có sự tương quan giữa các hiệu ứng ngẫu nhiên và biến giải thích). Do đó, mô hình REM (Random Effects Model) được lựa chọn là mô hình phù hợp nhất.
2. Chẩn đoán khuyết tật mô hình:
   • Đa cộng tuyến: Tất cả hệ số tương quan cặp $< 0.8$; hệ số phóng đại phương sai $VIF < 10$ (giá trị VIF trung bình đạt 2.41), khẳng định không xảy ra hiện tượng đa cộng tuyến nghiêm trọng.
   • Phương sai thay đổi: Kiểm định Breusch-Pagan ($xttest0$) cho kết quả $\text{Prob} > \chi^2 < 0.05$, bác bỏ giả thuyết phương sai đồng nhất.
   • Tự tương quan: Kiểm định Wooldridge ($xtserial$) cho giá trị $P\text{-value} < 0.05$, kết luận mô hình tồn tại tự tương quan bậc nhất AR(1).
3. Khắc phục: Phương pháp ước lượng FGLS được kích hoạt để loại bỏ hoàn toàn hiện tượng phương sai sai số thay đổi giữa các ngân hàng và tự tương quan theo thời gian.

Tổng hợp kết quả ước lượng hồi quy FGLS

Biến độc lập	Ký hiệu	Hệ số hồi quy FGLS ($\beta$)	Mức ý nghĩa thống kê ($p$-value)	Chiều tác động thực tế	Kỳ vọng ban đầu
Hằng số (Constant)	$\beta_0$	0.0421	0.001***	Dương (+)	-
Vốn chủ sở hữu / Tổng tài sản	CAP	+0.0384	0.000***	Cùng chiều (+)	Âm (-) [Bác bỏ]
Tỷ lệ dự phòng RRTD	LLR	+0.8142	0.000***	Cùng chiều (+)	Dương (+) [Chấp nhận]
Tỷ lệ lạm phát	INF	+0.0215	0.004***	Cùng chiều (+)	Dương (+) [Chấp nhận]
Tỷ suất sinh lời tài sản	ROA	-0.3128	0.000***	Ngược chiều (-)	Âm (-) [Chấp nhận]
Quy mô ngân hàng	SIZE	-0.0019	0.012**	Ngược chiều (-)	Dương (+) [Bác bỏ]
Tỷ lệ thanh khoản	LIQ	-0.0047	0.031**	Ngược chiều (-)	Âm (-) [Chấp nhận]
Tỷ lệ thất nghiệp	UNT	-0.0152	0.008***	Ngược chiều (-)	Dương (+) [Bác bỏ]
Tăng trưởng kinh tế	GDP	-0.0031	0.412 (Không ý nghĩa)	Không tác động	Âm (-) [Không ý nghĩa]
Tăng trưởng tín dụng	LG	+0.0008	0.654 (Không ý nghĩa)	Không tác động	Dương (+) [Không ý nghĩa]
Tỷ suất sinh lời vốn CSH	ROE	+0.0012	0.781 (Không ý nghĩa)	Không tác động	Âm (-) [Không ý nghĩa]

(Ghi chú: *** $p < 0.01$, ** $p < 0.05$)

---

Đổi mới và đóng góp

Đổi mới về phương pháp luận và dữ liệu thực nghiệm

• Xử lý trọn vẹn chuỗi dữ liệu 13 năm (2010–2022): Không dừng lại ở các giai đoạn ngắn hạn, nghiên cứu bao hàm cả giai đoạn xử lý khủng hoảng nợ xấu (2011–2015), giai đoạn bình ổn (2016–2019) và giai đoạn cú sốc đại dịch kèm các chính sách tiền tệ nới lỏng/thắt chặt (2020–2022).
• Ứng dụng FGLS giải quyết triệt để lỗi mô hình: Thay vì dừng lại ở hồi quy OLS/FEM/REM cơ bản (vốn thường làm sai lệch độ tin cậy của sai số chuẩn và phóng đại mức ý nghĩa của các kiểm định $t$), nghiên cứu ứng dụng phương pháp ước lượng FGLS với tùy biến panels(hetero) corr(ar1), tối ưu hóa độ chính xác của các ước lượng tham số.

Những phát hiện kinh tế lượng đột phá

+---------------------------------------------------------------------------------------+
|                    CƠ CHẾ TÁC ĐỘNG CỦA CÁC BIẾN CỐT LÕI ĐẾN NỢ XẤU                    |
+---------------------------------------------------------------------------------------+
|  ROA (-0.3128)  ---> Quản trị hiệu quả, thẩm định tín dụng tốt -> Giảm mạnh NPL       |
|  LLR (+0.8142)  ---> Trích lập dự phòng phản ánh độ trễ nhận diện rủi ro tín dụng      |
|  CAP (+0.0384)  ---> Vốn hóa cao dẫn tới tâm lý chủ quan, tăng khẩu vị rủi ro         |
|  UNT (-0.0152)  ---> Tác động điều tiết của các gói an sinh xã hội & cơ cấu nợ        |
+---------------------------------------------------------------------------------------+

1. Hiệu ứng "Tự tin thái quá về an toàn vốn" ($CAP > 0$): Trái với lý thuyết rủi ro đạo đức truyền thống cho rằng vốn mỏng dẫn tới chấp nhận rủi ro cao, tại Việt Nam, các NHTM có tỷ lệ vốn chủ sở hữu cao lại có xu hướng nới lỏng chuẩn thẩm định hoặc tài trợ các dự án trung - dài hạn rủi ro cao hơn, dẫn tới nợ xấu gia tăng.
2. Mối quan hệ phản ánh đồng thời giữa $LLR$ và $NPL$ ($LLR > 0$): Tỷ lệ dự phòng tín dụng tác động mạnh nhất (+0.8142). Ngân hàng trích lập dự phòng cao khi danh mục cho vay thực tế đã bắt đầu suy giảm chất lượng tín dụng (dấu hiệu trễ).
3. Phản ứng nghịch chiều của Thất nghiệp ($UNT < 0$): Trong giai đoạn 2020–2021, khi tỷ lệ thất nghiệp tăng do phong tỏa COVID-19, tỷ lệ nợ xấu ghi nhận trên sổ sách lại giảm nhờ chính sách cơ cấu lại nợ, giữ nguyên nhóm nợ theo Thông tư 01/2020/TT-NHNN và Thông tư 14/2021/TT-NHNN kết hợp các gói chi trả bảo hiểm thất nghiệp từ quỹ an sinh.

---

Ứng dụng thực tế và triển khai

Khung chiến lược triển khai cho Ngân hàng Thương mại

+---------------------------------------------------------------------------------------+
|                   HỆ THỐNG CẢNH BÁO SỚM RỦI RO TÍN DỤNG (EWS FRAMEWORK)               |
+---------------------------------------------------------------------------------------+
|                                                                                       |
|   [TẦNG 1: CHỈ BÁO VĨ MÔ]                                                             |
|   - Theo dõi CPI/Lạm phát (INF): Kích hoạt kịch bản Stress-testing khi INF > 4%        |
|                                                                                       |
|   [TẦNG 2: CHỈ BÁO NỘI BẠI NGÂN HÀNG]                                                 |
|   - Chỉ tiêu Sinh lời (ROA): Duy trì ROA > 1.2% qua quản trị chi phí hoạt động (CIR)   |
|   - Chỉ tiêu Vốn hóa (CAP): Giám sát hệ số CAR Basel II, tránh nới lỏng cấp tín dụng  |
|   - Chỉ tiêu Thanh khoản (LIQ): Cân đối LDR (Loan-to-Deposit) dưới ngưỡng 85%         |
|                                                                                       |
|   [TẦNG 3: HỆ THỐNG XỬ LÝ & TRÍCH LẬP]                                                |
|   - Tự động hóa phân loại nợ theo Thông tư 11/2021/TT-NHNN                            |
|   - Tăng tỷ lệ bao phủ nợ xấu (LLRC = Quỹ dự phòng / Nợ nhóm 3-5 > 100%)              |
+---------------------------------------------------------------------------------------+

Lộ trình triển khai 4 giai đoạn

• Giai đoạn 1 (Tháng 1 - Tháng 3): Rà soát toàn diện danh mục tín dụng bán lẻ và doanh nghiệp; tái hiệu chỉnh mô hình chấm điểm tín dụng nội bộ tích hợp biến số vĩ mô lạm phát.
• Giai đoạn 2 (Tháng 4 - Tháng 6): Nâng cao tỷ lệ an toàn thanh khoản, kiểm soát chặt chẽ tỷ lệ nguồn vốn ngắn hạn cho vay trung dài hạn.
• Giai đoạn 3 (Tháng 7 - Tháng 9): Tối ưu hóa hiệu quả hoạt động để cải thiện hệ số ROA; cắt giảm chi phí vận hành thông qua chuyển đổi số quy trình giải ngân.
• Giai đoạn 4 (Tháng 10 - Tháng 12): Nâng cao tỷ lệ bao phủ nợ xấu (Loan Loss Coverage Ratio - LLRC) vượt mức 100% đối với các ngân hàng nhóm đầu nhằm tạo bộ đệm chống sốc tín dụng.

---

Hạn chế và hướng phát triển

Hạn chế kỹ thuật

1. Tính chất dữ liệu bảng tĩnh: Mô hình FGLS đã kiểm soát tốt phương sai thay đổi và tự tương quan, tuy nhiên chưa đo lường được tính tự hồi quy động (Dynamic Panel Data) với độ trễ của chính biến nợ xấu ($NPL_{t-1}$).
2. Mẫu quan sát chưa bao phủ khối NHTM phi niêm yết: Nghiên cứu chỉ tập trung trên 27 NHTM niêm yết/đại chúng có minh bạch báo cáo tài chính, chưa phân tích nhóm ngân hàng quy mô nhỏ hoặc ngân hàng đang bị kiểm soát đặc biệt.
3. Chưa tách biệt nợ xấu theo từng phân khúc ngành: Chưa bóc tách chi tiết nợ xấu ngành bất động sản, xây dựng, tiêu dùng do hạn chế thuyết minh công bố thông tin chuẩn hóa.

Hướng nghiên cứu tiếp theo

• Áp dụng kỹ thuật kinh tế lượng bảng động System GMM (Blundell-Bond) hoặc Difference GMM (Arellano-Bond) để kiểm soát hiện tượng nội sinh (endogeneity) tiềm ẩn giữa các biến tài chính.
• Tích hợp các thuật toán học máy phân loại rủi ro (Gradient Boosting, Random Forest, SHAP analysis) kết hợp với dữ liệu lớn (Big Data tín dụng cá nhân từ CIC) nhằm dự báo xác suất vỡ nợ (Probability of Default - PD) theo chuẩn mực IFRS 9.

---

Đối tượng hưởng lợi

+---------------------------------------------------------------------------------------+
|                              MA TRẬN ĐỐI TƯỢNG HƯỞNG LỢI                              |
+---------------------------------------------------------------------------------------+
|  Sinh viên & Học viên        | Nắm vững phương pháp luận Panel Data, Stata 17 code    |
|  Khối Phân tích Rủi ro       | Ứng dụng trọng số các biến (ROA, CAP, LLR) vào EWS     |
|  Ban Điều hành Ngân hàng     | Cân bằng giữa mục tiêu lợi nhuận và hạn mức nợ xấu     |
|  Cơ quan Quản lý (NHNN)      | Cơ sở dữ liệu điều hành chính sách tiền tệ & thanh tra  |
+---------------------------------------------------------------------------------------+

• Sinh viên & Học viên cao học: Cung cấp bộ khung phương pháp luận hoàn chỉnh từ tổng quan lý thuyết (Asymmetric Information, Business Cycle Theory), thiết kế mô hình, quy trình Stata 17.0 chi tiết đến kỹ thuật xử lý khuyết tật kinh tế lượng.
• Chuyên viên Phân tích Rủi ro & Quản trị Tín dụng: Tham chiếu các trọng số định lượng thực nghiệm để xây dựng tiêu chí giám sát hạn mức cấp tín dụng theo quy mô tài sản và năng lực sinh lời.
• Hội đồng Quản trị & Ban Tổng Giám đốc NHTM: Cơ sở hoạch định chiến lược trích lập dự phòng chủ động, không chủ quan khi tăng trưởng quy mô hoặc tăng vốn tự có.
• Nhà hoạch định Chính sách (NHNN, Bộ Tài chính): Cung cấp bằng chứng thực nghiệm về tác động của các quyết sách vĩ mô (chỉ tiêu tăng trưởng tín dụng, kiểm soát lạm phát, chính sách giãn hoãn nợ) lên sự lành mạnh của bảng cân đối tài sản ngân hàng.

---

Câu hỏi thường gặp

1. Tại sao mô hình REM lại được ưu tiên lựa chọn hơn FEM trước khi chạy FGLS?

Kiểm định Hausman cho kết quả $P\text{-value} > 0.05$, chứng minh rằng không có sự tương quan có ý nghĩa thống kê giữa sai số ngẫu nhiên đặc thù đơn vị ($\mu_i$) và các biến giải thích ($X_{it}$). Do đó, ước lượng REM đảm bảo tính không chệch và hiệu quả hơn FEM về mặt bậc tự do.

2. Vì sao tỷ lệ vốn chủ sở hữu (CAP) lại có hệ số dương (+0.0384) với nợ xấu?

Tại các NHTM Việt Nam giai đoạn 2010–2022, các ngân hàng có bộ đệm vốn dày thường gia tăng khẩu vị rủi ro, đẩy mạnh tín dụng vào các lĩnh vực có biên lợi nhuận cao nhưng tiềm ẩn rủi ro lớn (như bất động sản, trái phiếu doanh nghiệp), dẫn tới xác suất phát sinh nợ nhóm 3–5 cao hơn khi thị trường biến động.

3. Tỷ lệ dự phòng rủi ro tín dụng (LLR) tác động cùng chiều (+0.8142) phản ánh điều gì?

Dự phòng rủi ro tín dụng là chỉ báo phản ánh mức độ suy giảm chất lượng tài sản mà ngân hàng đã nhận diện. Khi các khoản nợ bắt đầu chuyển nhóm quá hạn, ngân hàng buộc phải tăng trích lập dự phòng theo Thông tư 11/2021/TT-NHNN, tạo nên mối tương quan thuận mạnh mẽ giữa $LLR$ và $NPL$.

4. Phương pháp FGLS giải quyết vấn đề gì trong mô hình dữ liệu bảng?

Trong dữ liệu bảng 27 ngân hàng qua 13 năm, hiện tượng phương sai thay đổi giữa các ngân hàng khác nhau về quy mô và hiện tượng tự tương quan chuỗi thời gian AR(1) thường xuyên xuất hiện. FGLS ước lượng ma trận hiệp phương sai sai số $\Omega$, biến đổi dữ liệu để tạo ra ước lượng vững, hiệu quả tiệm cận tốt nhất (BLUE).

5. Khóa luận này có thể ứng dụng trực tiếp vào việc tính toán trích lập dự phòng theo IFRS 9 không?

Mô hình cung cấp căn cứ thực nghiệm xác định các nhân tố vĩ mô tác động đến rủi ro tín dụng hệ thống – một cấu phần bắt buộc trong mô hình tổn thất tín dụng dự kiến (Expected Credit Loss - ECL) theo chuẩn mực kế toán quốc tế IFRS 9 (kết hợp PD, LGD, EAD và các kịch bản kinh tế vĩ mô tương lai).

---

Kết luận

Nghiên cứu "Các nhân tố ảnh hưởng đến nợ xấu của các ngân hàng thương mại Việt Nam" (2010–2022) đã giải quyết toàn diện bài toán định lượng rủi ro tín dụng bằng phương pháp kinh tế lượng dữ liệu bảng vững FGLS trên Stata 17.0. Kết quả chứng minh rõ nét vai trò bảo vệ của năng lực sinh lời ($ROA$), quy mô tài sản ($SIZE$), tỷ lệ thanh khoản ($LIQ$), đồng thời cảnh báo rủi ro từ việc gia tăng lạm phát ($INF$), mở rộng vốn chủ sở hữu thiếu kiểm soát ($CAP$) và sự gia tăng của chi phí dự phòng tín dụng ($LLR$).

Công trình không chỉ mang giá trị học thuật xuất sắc trong việc chuẩn hóa quy trình phân tích định lượng mà còn cung cấp cơ sở thực tiễn sắc bén cho các nhà quản trị ngân hàng trong việc xây dựng hệ thống cảnh báo sớm (Early Warning System), tối ưu hóa danh mục tài sản sinh lời và chủ động kiểm soát nợ xấu dưới ngưỡng an toàn 3% trong các chu kỳ kinh tế tiếp theo.

Trích đoạn nội dung tài liệu

Chương 1 đã làm rõ những tác động tiêu cực của nợ xấu đối với hoạt động tín dụng của ngân hàng và cả nền kinh tế. Từ đó cung cấp nền tảng cho việc xác định mục tiêu, đối tượng, phạm vi, và phương pháp nghiên cứu - những yếu tố cần thiết để xây dựng cơ sở lý luận và phân tích các yếu tố ảnh hưởng đến tỷ lệ nợ xấu trong chương tiếp theo. CHƯƠNG 2: TỔNG QUAN CƠ SỞ LÝ THUYẾT VÀ THỰC NGHIỆM 2. CƠ SỞ LÝ THUYẾT VỀ NỢ XẤU CỦA CÁC NGÂN HÀNG THƯƠNG MẠI VIỆT NAM 2.

Khái niệm nợ xấu Khái niệm về nợ xấu đã được nghiên cứu chi tiết trong các nghiên cứu trước, thể hiện sự phong phú và đa dạng của nó tùy thuộc vào cách tiếp cận và quan điểm của các nhà nghiên cứu. Ngoài thuật ngữ “nợ xấu”, còn có các thuật ngữ khác như “Bad Debt” hoặc “Doubtful debt” (Fofack, 2005) được sử dụng như thuật ngữ thay thế. Nợ xấu được định nghĩa là những khoản nợ vượt quá 90 ngày chậm trễ cả về gốc và lãi (Rose, 2004). Theo quan điểm của Quỹ Tiền tệ Quốc tế (IMF) về nợ xấu bao gồm: (i) Nợ gốc và lãi quá hạn 90 ngày; (ii) Sự suy giảm khả năng thanh toán của người vay; và (iii) Phân loại các khoản nợ thành ba nhóm về chất lượng tín dụng không đạt tiêu chuẩn, nghi ngờ và có nguy cơ mất vốn (IMF, 2004).

Quan điểm của ECB, nợ xấu là một khoản vay không sinh lời khi tiền gốc hoặc lãi quá hạn 90 ngày, hoặc các khoản thanh toán lãi sau 90 ngày đã được tái cấu trúc hoặc gia hạn, hoặc các khoản thanh toán dưới 90 ngày nhưng có lý do để nghi ngờ rằng việc hoàn trả sẽ không đầy đủ. Quan điểm của IMF về nợ xấu tập trung không chỉ vào thời gian trễ hạn mà còn vào việc thu hồi nợ từ phía ngân hàng. Đây là quan điểm phổ biến và được chấp nhận rộng rãi trên toàn cầu. Theo Chuẩn mực Basel về Giám sát Ngân hàng (BCBS) (2002), tuy chưa công bố một định nghĩa chính thức về nợ xấu nhưng trong phiên bản sửa đổi tháng 6/2004 của Hiệp ước quốc tế về Đo lường Vốn và Các Tiêu Chuẩn Vốn (Basel II), BCBS đã đề cập đến hai tiêu chí để xác định một khoản nợ được coi là vỡ nợ khi xảy ra 1 trong 2 điều kiện sau: (1) Ngân hàng phát hiện người vay không có khả năng thanh toán đầy đủ sau khi không thực hiện thu hồi nợ thông qua quản lý tài sản thế chấp; (2) Người vay đã quá hạn thanh toán trên 90 ngày.

Ngày 30/07/2021 thông tư số 11/2021/TT-NHNN được ban hành đã thay thế cho Thông tư 02/2013/TT-NHNN ngày 21/01/2013 và Thông tư 09/2014/TT- NHNN ngày 18/03/2014, quy định về phân loại tài sản, mức trích lập dự phòng rủi ro và việc sử dụng dự phòng để giảm thiểu rủi ro trong hoạt động của tổ chức tín 7 dụng và chi nhánh ngân hàng nước ngoài. Nợ xấu được hiểu là các khoản nợ khó đòi khi người vay không thể trả nợ khi đến hạn phải thanh toán như đã cam kết. Cụ thể, nếu quá thời gian quá hạn thanh toán trên 90 ngày thì bị coi là nợ xấu. Theo khoản 8 Điều 3 Thông tư 11/2021/TT-NHNN, nợ xấu là nợ xấu nội bảng, gồm nợ thuộc các nhóm 3, 4 và 5 quy định tại Điều 10 Thông tư 11/2021/TT-NHNN).

Mặc dù có nhiều định nghĩa khác nhau, nhìn chung các khái niệm về nợ xấu thường được xác định dựa trên hai yếu tố chính: (i) Các khoản dư nợ đã quá hạn từ 90 ngày trở lên và (ii) Đánh giá khả năng thanh toán nợ của khách hàng, đưa vào loại nợ nghi ngờ và có khả năng thanh toán không đầy đủ. Phân loại nợ Theo Laurin và cộng sự (2002), sự thiếu chuẩn mực phân loại nợ toàn cầu gây khó khăn trong việc đánh giá và phân loại nợ khi so sánh giữa các quốc gia. David Bholat và cộng sự (2016), không có tiêu chuẩn quốc tế thống nhất về phân loại nợ xấu. Cách tiếp cận và phân loại nợ xấu phụ thuộc vào trách nhiệm của người quản lý hoặc giám sát hệ thống ngân hàng.

Lastra và cộng sự (2016) đã chỉ ra sự khác biệt trong cách phân loại nợ tại một số nước thuộc nhóm G-20. Tại Hoa Kỳ và Đức có phân loại rõ ràng các nhóm nợ. Ở Anh, cơ quan giám sát không bắt buộc các ngân hàng phải sử dụng bất kỳ hình thức phân loại nợ cụ thể nào. Tuy nhiên, họ mong đợi rằng các ngân hàng sẽ áp dụng quy trình quản lý rủi ro phù hợp và cập nhật thường xuyên, bao gồm việc đánh giá các khoản vay cẩn trọng.

Mặc dù không có khuyến nghị cụ thể về số nhóm nợ, nhưng giám sát viên vẫn có quyền hướng dẫn điều chỉnh hệ thống phân loại. Ở Hà Lan, cách tiếp cận tương tự được áp dụng với việc giám sát định kỳ đánh giá các quy trình và hệ thống phân loại nợ. Riêng với Pháp, cơ quan giám sát đặt ra tiêu chí tối thiểu cho các khoản nợ xấu, việc phân loại nợ phụ thuộc vào nội bộ của từng ngân hàng nên không có bất kỳ hướng dẫn chung nào. Cũng như ở Ý, đưa ra năm loại nợ, nhưng chỉ có hướng dẫn chung về cách thực hiện phân loại.

Phần lớn các quốc gia châu Âu tuy không có hướng dẫn cụ thể và chi tiết về cách thức phân loại nhưng họ yêu cầu tối thiểu đối với các khoản vay có dấu hiệu suy giảm. Trái lại, các quốc gia châu Á thường quy định các khoản vay thành bốn hoặc năm nhóm, và có sự tương đồng lớn về cách thức phân loại. 8 Tại Việt Nam, Quyết định số 493/2005/QĐ-NHNN cùng với các sửa đổi và bổ sung sau này trong Thông tư số 11/2021/TT-NHNN đã cung cấp hướng dẫn chi tiết về việc phân loại nợ trong hoạt động của các tổ chức tín dụng, chi nhánh ngân hàng nước ngoài. Phương pháp phân loại nợ tại Việt Nam nói chung có điểm tương đồng với một số nước châu Á như Trung Quốc, Nhật Bản, Hàn Quốc, Indonesia và đề xuất của IMF.

Cụ thể như sau: Bảng 2. 1 Phân loại nợ ở Việt Nam Nhóm nợ Phương pháp định Phương pháp định tính lượng Nhóm 1 (Nợ đủ tiêu Nợ trong hạn hoặc quá Có khả năng thu hồi đầy chuẩn) hạn dưới 10 ngày đủ cả gốc và lãi đúng hạn. Có khả năng thu hồi đầy đủ cả gốc và lãi nhưng có Nhóm 2 (Nợ cần chú ý) Nợ quá hạn đến 90 ngày dấu hiệu khách hàng suy giảm khả năng trả nợ Không có khả năng thu Nhóm 3 (Nợ dưới tiêu Nợ quá hạn từ 91 ngày hồi nợ gốc và lãi khi đến chuẩn) đến 180 ngày hạn, có khả năng tổn thất Nợ quá hạn từ 181 ngày Có khả năng tốn thất cao Nhóm 4 (Nợ đủ nghi ngờ) đến 360 ngày Nhóm 5 (Nợ có khả năng Không còn khả năng thu Nợ quá hạn trên 360 ngày mất vốn) hồi, có khả năng mất vốn (Nguồn: Thông tư số 11/2021/TT-NHNN) 2. CHỈ TIÊU ĐO LƯỜNG NỢ XẤU 2.1 Tỷ lệ nợ xấu trên tổng dư nợ Tỷ lệ nợ xấu = (Nợ xấu/ Tổng dư nợ) x 100% (Nguồn: Nguyễn Văn Tiến, 2009) 9 Chỉ số tỷ lệ nợ xấu của ngân hàng là một chỉ báo rõ ràng về chất lượng và khả năng quản lý tín dụng.

Nó đo lường tỷ trọng của dư nợ từ nhóm 3 đến nhóm 5 trong 5 nhóm dư nợ theo quy định của Ngân hàng Trung Ương. Tỷ trọng này càng cao sẽ phản ánh chất lượng tín dụng kém của ngân hàng, đồng thời tăng nguy cơ mất vốn cao và làm giảm hiệu quả của hoạt động. Thông thường, những ngân hàng có tỷ lệ nợ xấu cao thường có chất lượng tín dụng kém, không tuân thủ đúng quy trình cấp tín dụng theo quy định.2 Tỷ lệ quá hạn trên tổng dư nợ Tỷ lệ dư nợ quá hạn = (Số dư nợ quá hạn/ Tổng dư nợ) x 100% (Nguồn: Nguyễn Văn Tiến, 2009) Chỉ số nợ quá hạn của ngân hàng phản ánh cách ngân hàng quản lý chất lượng tín dụng thông qua khả năng thu hồi nợ từ các khoản vay. Khi tỷ lệ nợ quá hạn ở mức cao, cho thấy ngân hàng đang đối mặt với nhiều khoản nợ xấu, điều này cũng ám chỉ rằng chất lượng tín dụng của ngân hàng chưa tốt.

Ngược lại, khi tỷ lệ này thấp, chứng tỏ ngân hàng có chất lượng tín dụng tốt.3 Dự phòng rủi ro tín dụng Tỷ lệ dự phòng RRTD= (Dự phòng RRTD được trích lập/ Tổng dư nợ) x 100% (Nguồn: Nguyễn Văn Tiến, 2009) Chỉ số dự phòng rủi ro tín dụng là tổng số tiền mà ngân hàng dùng để đối phó với mất mát tài sản khi khách hàng không thanh toán khoản vay như cam kết ban đầu. Việc xác định mức dự phòng cụ thể cho từng khoản vay phụ thuộc vào nhóm nợ mà khách hàng thuộc vào. Nhóm nợ càng cao, đồng nghĩa với việc khó khăn trong việc thu hồi nợ cho ngân hàng càng thấp, khi mức dự phòng cao có thể ảnh hưởng đến hiệu quả kinh doanh và lợi nhuận của ngân hàng. Dự phòng tín dụng được tính trên số dư nợ gốc của khách hàng bao gồm: (i) Dự phòng cụ thể - để bảo hiểm rủi ro cụ thể cho từng khoản vay; (ii) Dự phòng chung - bảo hiểm các rủi ro chung không xác định trong danh mục tín dụng và toàn bộ dự phòng được tính vào chi phí hoạt động của doanh nghiệp.

LÝ THUYẾT LIÊN QUAN ĐẾN NỢ XẤU 2. Lý thuyết thông tin bất cân xứng (Asymmetric Information) Thuật ngữ "thông tin bất cân xứng" được đề xuất ban đầu trong lý thuyết cổ điển về "vấn đề trái chanh" (lemons problem theory) của Akerloff (1970). “Vấn đề trái chanh” thường xảy ra trên thị trường tín dụng vì ngân hàng gặp khó khăn trong việc phân biệt đâu là dự án có triển vọng thành công và đâu là dự án rủi ro (trái chanh) cần loại bỏ. Bởi vì khó xác định, ngân hàng thường cho vay với mức lãi suất trung bình phản ánh chất lượng dự án.

Kết quả là các dự án tiềm năng sẽ phải trả lãi suất cao hơn, trong khi những dự án rủi ro sẽ được tài trợ với lãi suất thấp hơn. Điều này tạo ra hiện tượng "lựa chọn đối nghịch", dẫn đến việc các dự án với chất lượng tốt có thể rời khỏi thị trường, khiến những dự án đầu tư có tiềm năng và có thể mang lại lợi nhuận bị hạn chế. Sự mất mát từ những dự án đầu tư tiềm năng này không chỉ ảnh hưởng đến cơ hội lợi nhuận của các ngân hàng trong hoạt động kinh doanh, mà còn gây tác động tiêu cực đến sự phát triển của nền kinh tế.