Bối cảnh và vấn đề nghiên cứu
Nợ xấu (Non-performing loans - NPL) là chỉ báo trọng yếu phản ánh chất lượng tín dụng, mức độ an toàn tài chính và hiệu quả hoạt động của hệ thống ngân hàng thương mại (NHTM). Biến động nợ xấu không chỉ tác động trực tiếp đến khả năng sinh lời và sự tồn tại của từng tổ chức tín dụng mà còn ảnh hưởng đến sự ổn định kinh tế vĩ mô và chính sách tiền tệ quốc gia.
Tại Việt Nam, giai đoạn 2010 – 2022 chứng kiến nhiều biến động phức tạp về nợ xấu trong hệ thống NHTM. Năm 2012, tỷ lệ nợ xấu toàn hệ thống vượt ngưỡng an toàn 3%, đạt mức 4,08%. Trước thực trạng này, Ngân hàng Nhà nước (NHNN) và Chính phủ đã ban hành nhiều cơ chế, chính sách tái cơ cấu và xử lý nợ xấu, tiêu biểu như Quyết định số 1058/QĐ-TTg và Nghị quyết số 42/2017/QH14 của Quốc hội. Nhờ đó, tỷ lệ nợ xấu từng bước được kiểm soát và giảm xuống dưới 2% vào các năm 2018 và 2019.
Tuy nhiên, giai đoạn 2020 – 2022, nền kinh tế chịu tác động tiêu cực từ đại dịch Covid-19, lạm phát toàn cầu gia tăng, gián đoạn chuỗi cung ứng và các rủi ro địa chính trị. Việc Thông tư số 14/2021/TT-NHNN về cơ cấu lại thời hạn trả nợ, miễn giảm phí và giữ nguyên nhóm nợ hết hiệu lực từ ngày 30/06/2022 đã đặt hệ thống ngân hàng trước áp lực nợ xấu tiềm ẩn bộc lộ trở lại. Đến cuối năm 2022, tổng dư nợ tín dụng toàn nền kinh tế đạt 11,78 triệu tỷ đồng (tăng 12,78% so với đầu năm), tăng trưởng tín dụng đạt 14,5%. Việc nhận diện và lượng hóa các yếu tố tác động đến nợ xấu trong toàn bộ chu kỳ 2010 – 2022 là đòi hỏi thực tiễn cấp bách nhằm duy trì sự ổn định của hệ thống tài chính.
Mục tiêu nghiên cứu của khóa luận:
- Mục tiêu tổng quát: Xác định các yếu tố ảnh hưởng đến nợ xấu của các NHTM tại Việt Nam, lấy đó làm cơ sở để kiến nghị một số giải pháp giảm thiểu nợ xấu.
- Mục tiêu cụ thể:
- Thứ nhất, xác định các yếu tố cụ thể ảnh hưởng đến nợ xấu của các NHTM tại Việt Nam.
- Thứ hai, phân tích chiều ảnh hưởng và mức độ ảnh hưởng của các nhân tố ảnh hưởng đến nợ xấu của các ngân hàng thương mại tại Việt Nam.
- Thứ ba, kiến nghị một số giải pháp nhằm hạn chế tình hình nợ xấu tại các NHTM Việt Nam.
Câu hỏi nghiên cứu:
- Thứ nhất, có những nhân tố nào ảnh hưởng đến nợ xấu của các NHTM tại Việt Nam?
- Thứ hai, các nhân tố đó có chiều và mức độ ảnh hưởng như thế nào đến các NHTM tại Việt Nam?
- Thứ ba, có những giải pháp gì giúp hạn chế tình hình nợ xấu tại các NHTM Việt Nam?
Đối tượng và phạm vi nghiên cứu:
- Đối tượng nghiên cứu: Các nhân tố (thuộc nhóm đặc thù ngân hàng và nhóm kinh tế vĩ mô) ảnh hưởng đến nợ xấu của các NHTM Việt Nam.
- Phạm vi không gian: 27 ngân hàng thương mại cổ phần (NHTMCP) tại Việt Nam được niêm yết trên các sàn HOSE, HNX và UPCoM có công bố dữ liệu đầy đủ, liên tục.
- Phạm vi thời gian: Giai đoạn 2010 – 2022 (13 năm), bao quát thời điểm trước và sau khi triển khai các đề án tái cơ cấu nợ xấu, cũng như giai đoạn ảnh hưởng bởi đại dịch Covid-19.
Cơ sở lý thuyết và phương pháp
Khóa luận thiết lập nền tảng phân tích dựa trên các chuẩn mực đo lường nợ xấu, văn bản pháp quy hiện hành và các lý thuyết tài chính - kinh tế kinh điển:
Khung lý thuyết và khái niệm:
- Khái niệm và phân loại nợ xấu: Tiếp cận theo định nghĩa của IMF (2004), ECB, Hiệp ước Basel II (BCBS, 2004) và Thông tư số 11/2021/TT-NHNN (thay thế Thông tư 02/2013/TT-NHNN và Thông tư 09/2014/TT-NHNN). Theo khoản 8 Điều 3 Thông tư 11/2021/TT-NHNN, nợ xấu được xác định là nợ xấu nội bảng gồm các khoản nợ thuộc nhóm 3 (nợ dưới tiêu chuẩn), nhóm 4 (nợ nghi ngờ) và nhóm 5 (nợ có khả năng mất vốn), tương ứng với các khoản nợ quá hạn từ 91 ngày trở lên hoặc có khả năng tổn thất cao.
- Lý thuyết thông tin bất cân xứng (Asymmetric Information): Khởi xướng từ mô hình "thị trường trái chanh" của Akerlof (1970), giải thích hiện tượng lựa chọn đối nghịch (adverse selection) và rủi ro đạo đức (moral hazard) trong cấp tín dụng, dẫn đến nguy cơ suy giảm chất lượng danh mục cho vay.
- Lý thuyết chu kỳ kinh doanh (Business Cycle Theory): Tiếp cận từ nghiên cứu của Kydland và Prescott (2014), phân tích sự tác động của các biến động sản lượng kinh tế vĩ mô (GDP) đến khả năng trả nợ của người vay qua từng giai đoạn suy thoái và hưng thịnh.
- Các lý thuyết và giả thuyết bổ trợ: Lý thuyết rủi ro đạo đức về vốn hóa của Keeton và Morris (1987); Giả thuyết hiệu ứng quy mô (Size effect hypothesis) và giả thuyết "quá lớn để phá sản" (Too big to fail hypothesis) của Salas và Saurina (2002), Berndt (2021); Giả thuyết quản lý yếu kém (Bad management hypothesis) của Berger và DeYoung (1997).
Phương pháp nghiên cứu:
- Đề tài sử dụng phương pháp nghiên cứu định lượng trên dữ liệu bảng (panel data) 2 chiều (27 ngân hàng $\times$ 13 năm = 351 quan sát) bằng phần mềm Stata 17.0.
- Quy trình ước lượng gồm 3 mô hình hồi quy dữ liệu bảng tĩnh: Mô hình hồi quy gộp (Pooled OLS), Mô hình tác động cố định (FEM), và Mô hình tác động ngẫu nhiên (REM).
- Sử dụng kiểm định F (F-test) để lựa chọn giữa Pooled OLS và FEM; sử dụng kiểm định Hausman (Hausman test) để lựa chọn giữa FEM và REM.
- Tiến hành kiểm định các khuyết tật của mô hình: Kiểm định hệ số phóng đại phương sai (VIF) và ma trận tương quan để phát hiện đa cộng tuyến; Kiểm định Breusch - Pagan để phát hiện hiện tượng phương sai sai số thay đổi; Kiểm định Wooldridge để phát hiện hiện tượng tự tương quan.
- Áp dụng phương pháp bình phương tối thiểu tổng quát khả thi (Feasible Generalized Least Squares - FGLS) để khắc phục triệt để các khuyết tật của mô hình.
Nguồn dữ liệu:
- Dữ liệu vi mô: Dữ liệu thứ cấp thu thập từ Báo cáo tài chính (BCTC) hợp nhất và Báo cáo thường niên (BCTN) đã được kiểm toán của 27 NHTMCP trong giai đoạn 2010 – 2022.
- Dữ liệu vĩ mô: Các chỉ số tăng trưởng kinh tế, lạm phát và thất nghiệp thu thập từ cơ sở dữ liệu chính thức của Ngân hàng Thế giới (World Bank), Tổng cục Thống kê (TCTK) và Ngân hàng Nhà nước Việt Nam.
Nội dung chính theo từng chương
Chương 1: Giới thiệu đề tài
Chương này thiết lập nền tảng tổng quan cho khóa luận. Tác giả trình bày tính cấp thiết của đề tài thông qua bối cảnh nợ xấu của hệ thống NHTM Việt Nam giai đoạn 2010 – 2022, chỉ ra các mốc biến động quan trọng (đỉnh điểm nợ xấu năm 2012, quá trình giảm dần nhờ Nghị quyết 42/2017/QH14 và các rủi ro phát sinh sau dịch Covid-19 cùng việc dừng Thông tư 14/2021/TT-NHNN). Chương 1 xác định rõ 1 mục tiêu tổng quát, 3 mục tiêu cụ thể, 3 câu hỏi nghiên cứu, đối tượng nghiên cứu và phạm vi nghiên cứu (27 NHTMCP giai đoạn 2010 – 2022), đồng thời khái quát phương pháp định lượng, ý nghĩa đóng góp và bố cục 5 chương của khóa luận.
Chương 2: Tổng quan cơ sở lý thuyết và thực nghiệm
Chương 2 hệ thống hóa cơ sở lý luận và tổng quan nghiên cứu trước:
- Cơ sở lý thuyết: Định nghĩa nợ xấu theo IMF, ECB, BCBS (Basel II); so sánh chuẩn mực phân loại nợ của các quốc gia G-20 (Mỹ, Đức, Anh, Pháp, Hà Lan, Ý theo Lastra et al., 2016); phân tích quy định phân loại 5 nhóm nợ tại Việt Nam theo Thông tư 11/2021/TT-NHNN.
- Chỉ tiêu đo lường nợ xấu: Tỷ lệ nợ xấu trên tổng dư nợ, Tỷ lệ nợ quá hạn, Tỷ lệ dự phòng rủi ro tín dụng (theo Nguyễn Văn Tiến, 2009).
- Lý thuyết nền tảng: Lý thuyết thông tin bất cân xứng và Lý thuyết chu kỳ kinh doanh.
- Các nhân tố ảnh hưởng: Phân tích cơ chế tác động của 7 nhân tố vi mô (CAP, SIZE, LIQ, ROE, ROA, LG, LLR) và 3 nhân tố vĩ mô (GDP, INF, UNT).
- Lược khảo nghiên cứu: Tổng hợp các công trình quốc tế (Louzis et al., 2012; Dimitrios et al., 2012; Klein, 2013; Salas & Saurina, 2002; Ghosh, 2015; Petkovski et al., 2018; El-Maude et al., 2015; Messai & Jouini, 2013; Kjosevski & Petkovski, 2021; Koju et al., 2018) và các nghiên cứu tại Việt Nam (Nguyễn Thị Hồng Vinh, 2015; Nguyễn Kim Quốc Trung & Nguyễn Thị Phương Dung, 2018; Phạm Dương Phương Thảo & Nguyễn Linh Đan, 2018; Nguyễn Kim Phước et al., 2017; Nguyễn Thị Như Quỳnh et al., 2018).
| Nhóm nợ theo Thông tư 11/2021/TT-NHNN |
Phương pháp định lượng (Thời gian quá hạn) |
Phương pháp định tính (Khả năng thu hồi nợ) |
| Nhóm 1 (Nợ đủ tiêu chuẩn) |
Nợ trong hạn hoặc quá hạn dưới 10 ngày |
Có khả năng thu hồi đầy đủ cả gốc và lãi đúng hạn |
| Nhóm 2 (Nợ cần chú ý) |
Nợ quá hạn từ 10 ngày đến 90 ngày |
Khách hàng có dấu hiệu suy giảm khả năng trả nợ |
| Nhóm 3 (Nợ dưới tiêu chuẩn) |
Nợ quá hạn từ 91 ngày đến 180 ngày |
Không có khả năng thu hồi nợ gốc và lãi khi đến hạn, có khả năng tổn thất |
| Nhóm 4 (Nợ nghi ngờ) |
Nợ quá hạn từ 181 ngày đến 360 ngày |
Có khả năng tổn thất cao |
| Nhóm 5 (Nợ có khả năng mất vốn) |
Nợ quá hạn trên 360 ngày |
Không còn khả năng thu hồi, có khả năng mất vốn |
Chương 3: Mô hình dữ liệu và phương pháp nghiên cứu
Chương 3 xây dựng quy trình nghiên cứu thực nghiệm 7 bước, thiết lập mô hình hồi quy đa biến và định nghĩa các biến nghiên cứu:
$$\text{NPL}{i,t} = \beta_0 + \beta_1 \text{GDP}t + \beta_2 \text{INF}t + \beta_3 \text{UNT}t + \beta_4 \text{SIZE}{i,t} + \beta_5 \text{CAP}{i,t} + \beta_6 \text{LIQ}{i,t} + \beta_7 \text{ROE}{i,t} + \beta_8 \text{ROA}{i,t} + \beta_9 \text{LG}{i,t} + \beta_{10} \text{LLR}{i,t} + \varepsilon{i,t}$$
Trong đó: $i = 1, \dots, 27$ (27 NHTM); $t = 2010, \dots, 2022$; $\beta_0$ là hệ số chặn; $\beta_1, \dots, \beta_{10}$ là các hệ số hồi quy; $\varepsilon_{i,t}$ là sai số ngẫu nhiên.
| Ký hiệu |
Tên biến |
Công thức tính toán |
Kỳ vọng dấu |
Cơ sở tham khảo |
| Biến phụ thuộc |
|
|
|
|
| $\text{NPL}_{i,t}$ |
Tỷ lệ nợ xấu |
$(\text{Nợ nhóm 3} + \text{Nợ nhóm 4} + \text{Nợ nhóm 5}) / \text{Tổng dư nợ}$ |
N/A |
Dimitrios et al. (2016), Thông tư 11/2021/TT-NHNN |
| Biến độc lập vĩ mô |
|
|
|
|
| $\text{GDP}_t$ |
Tăng trưởng kinh tế |
$(\text{GDP}t - \text{GDP}{t-1}) / \text{GDP}_{t-1}$ |
Âm (-) |
Dimitrios et al. (2016), Koju et al. (2018) |
| $\text{INF}_t$ |
Tỷ lệ lạm phát |
$(\text{CPI}t - \text{CPI}{t-1}) / \text{CPI}_{t-1}$ |
Dương (+) |
Sheefeni (2015), Petkovski et al. (2018) |
| $\text{UNT}_t$ |
Tỷ lệ thất nghiệp |
$\text{Số người thất nghiệp}_t / \text{Lực lượng lao động}_t$ |
Dương (+) |
Kartikasary et al. (2020), Messai & Jouini (2013) |
| Biến độc lập vi mô |
|
|
|
|
| $\text{SIZE}_{i,t}$ |
Quy mô ngân hàng |
$\ln(\text{Tổng tài sản}_{i,t})$ |
Dương (+) |
Ghosh (2015), Nguyễn Thị Hồng Vinh (2017) |
| $\text{CAP}_{i,t}$ |
Tỷ lệ vốn CSH |
$\text{Vốn chủ sở hữu}{i,t} / \text{Tổng tài sản}{i,t}$ |
Âm (-) |
Louzis et al. (2012), Kjosevski & Petkovski (2021) |
| $\text{LIQ}_{i,t}$ |
Tỷ lệ thanh khoản |
$\text{Tài sản ngắn hạn}{i,t} / \text{Nợ ngắn hạn}{i,t}$ |
Âm (-) |
Amit Ghosh (2015), Dimitrios et al. (2012) |
| $\text{ROE}_{i,t}$ |
Lợi nhuận trên vốn |
$\text{Lợi nhuận sau thuế}_{i,t} / \text{Vốn CSH bình quân}$ |
Âm (-) |
Klein (2013), Messai & Jouini (2013) |
| $\text{ROA}_{i,t}$ |
Lợi nhuận trên tài sản |
$\text{Lợi nhuận sau thuế}_{i,t} / \text{Tổng tài sản bình quân}$ |
Âm (-) |
Godlewski (2004), Berger & DeYoung (1997) |
| $\text{LG}_{i,t}$ |
Tăng trưởng tín dụng |
$(\text{Tổng dư nợ}{i,t} - \text{Tổng dư nợ}{i,t-1}) / \text{Tổng dư nợ}_{i,t-1}$ |
Dương (+) |
Salas & Saurina (2002), Foos et al. (2010) |
| $\text{LLR}_{i,t}$ |
Dự phòng RRTD |
$\text{Dự phòng rủi ro tín dụng}{i,t} / \text{Tổng tài sản}{i,t}$ |
Dương (+) |
Makri et al. (2014), Nguyễn Thị Hồng Vinh (2017) |
Tác giả thiết lập 10 giả thuyết nghiên cứu tương ứng (từ H1 đến H10) và xác định quy trình kiểm định lựa chọn mô hình qua F-test và Hausman test, kiểm định khuyết tật mô hình (đa cộng tuyến, phương sai sai số thay đổi bằng Breusch-Pagan, tự tương quan bằng Wooldridge) và kỹ thuật FGLS.
Chương 4: Kết quả nghiên cứu và thảo luận
Chương 4 trình bày kết quả ước lượng thực nghiệm trên phần mềm Stata 17.0:
- Thống kê mô tả và ma trận tương quan: Đánh giá các giá trị Mean, Min, Max, Độ lệch chuẩn của các biến; ma trận tương quan cho thấy các hệ số giữa các biến độc lập đều nhỏ hơn 0,8, loại trừ nguy cơ đa cộng tuyến nghiêm trọng.
- Kết quả lựa chọn mô hình:
- Kiểm định F-test: So sánh giữa Pooled OLS và FEM.
- Kiểm định Hausman: So sánh giữa FEM và REM, kết quả $P\text{-value} > 0{,}05$, do đó mô hình tác động ngẫu nhiên (REM) được lựa chọn là mô hình phù hợp.
- Kiểm định khuyết tật: Kiểm định Breusch - Pagan cho thấy mô hình có hiện tượng phương sai sai số thay đổi ($P\text{-value} < 0{,}05$); kiểm định Wooldridge phát hiện hiện tượng tự tương quan ($P\text{-value} < 0{,}05$).
- Ước lượng FGLS và Thảo luận: Sử dụng phương pháp FGLS để khắc phục hiện tượng phương sai thay đổi và tự tương quan, đưa ra kết quả ước lượng chính xác về chiều hướng và mức độ tác động của từng nhân tố.
Chương 5: Kết luận và các kiến nghị đề xuất
Dựa trên kết quả hồi quy FGLS, chương này tổng kết các nhân tố thực sự tác động đến nợ xấu tại 27 NHTMCP. Tác giả xây dựng các đề xuất, giải pháp thực tiễn tập trung vào việc quản trị thanh khoản, kiểm soát quy mô và chi phí dự phòng rủi ro, nâng cao hiệu quả sinh lời ROA, gia tăng vốn chủ sở hữu và ứng phó với biến động lạm phát. Đồng thời, chương 5 trình bày các hạn chế về dữ liệu và đề xuất hướng nghiên cứu tiếp theo.
Kết quả và đóng góp
Kết quả nghiên cứu chính
Kết quả ước lượng sau khi khắc phục khuyết tật bằng phương pháp FGLS trên mẫu 27 NHTM Việt Nam giai đoạn 2010 – 2022 cho thấy:
| Tên biến |
Ký hiệu |
Chiều tác động thực nghiệm |
Ý nghĩa thống kê |
So sánh với kỳ vọng ban đầu |
| Tỷ lệ vốn CSH / Tổng tài sản |
$\text{CAP}$ |
Cùng chiều (+) |
Có ý nghĩa |
Ngược với kỳ vọng âm (-) |
| Tỷ lệ dự phòng rủi ro tín dụng |
$\text{LLR}$ |
Cùng chiều (+) |
Có ý nghĩa |
Phù hợp kỳ vọng dương (+) |
| Tỷ lệ lạm phát |
$\text{INF}$ |
Cùng chiều (+) |
Có ý nghĩa |
Phù hợp kỳ vọng dương (+) |
| Khả năng sinh lợi trên tài sản |
$\text{ROA}$ |
Ngược chiều (-) |
Có ý nghĩa |
Phù hợp kỳ vọng âm (-) |
| Quy mô ngân hàng |
$\text{SIZE}$ |
Ngược chiều (-) |
Có ý nghĩa |
Ngược với kỳ vọng dương (+) |
| Tỷ lệ thất nghiệp |
$\text{UNIT}$ |
Ngược chiều (-) |
Có ý nghĩa |
Ngược với kỳ vọng dương (+) |
| Tỷ lệ thanh khoản |
$\text{LIQ}$ |
Ngược chiều (-) |
Có ý nghĩa |
Phù hợp kỳ vọng âm (-) |
| Tốc độ tăng trưởng tín dụng |
$\text{LR}$ / $\text{LG}$ |
Không tác động |
Không có ý nghĩa |
Không thỏa mãn kỳ vọng |
| Tốc độ tăng trưởng kinh tế |
$\text{GDP}$ |
Không tác động |
Không có ý nghĩa |
Không thỏa mãn kỳ vọng |
| Lợi nhuận sau thuế / Vốn CSH |
$\text{ROE}$ |
Không tác động |
Không có ý nghĩa |
Không thỏa mãn kỳ vọng |
- Nhóm nhân tố có tác động cùng chiều (+): Tỷ lệ vốn chủ sở hữu trên tổng tài sản ($\text{CAP}$), Tỷ lệ dự phòng rủi ro tín dụng ($\text{LLR}$) và Tỷ lệ lạm phát ($\text{INF}$) có tác động làm gia tăng tỷ lệ nợ xấu. Lạm phát cao làm gia tăng chi phí vay vốn và suy giảm khả năng trả nợ; trích lập dự phòng tín dụng cao phản ánh danh mục có nhiều khoản nợ suy giảm chất lượng; việc tăng tỷ lệ vốn CSH trong giai đoạn tái cơ cấu nợ có thể gắn liền với các nỗ lực xử lý tổn thất nợ xấu nội bảng.
- Nhóm nhân tố có tác động ngược chiều (-): Khả năng sinh lợi ($\text{ROA}$), Quy mô ngân hàng ($\text{SIZE}$), Tỷ lệ thất nghiệp ($\text{UNIT}$) và Tính thanh khoản ($\text{LIQ}$) có tác động làm giảm tỷ lệ nợ xấu. Ngân hàng có năng lực sinh lời $\text{ROA}$ tốt và thanh khoản cao có chất lượng quản trị và thẩm định tín dụng hiệu quả hơn; ngân hàng quy mô lớn có lợi thế về quy mô trong đa dạng hóa danh mục rủi ro.
- Nhóm nhân tố không có ý nghĩa thống kê: Tốc độ tăng trưởng tín dụng ($\text{LG}$), Tăng trưởng kinh tế ($\text{GDP}$) và Tỷ suất sinh lời trên vốn chủ sở hữu ($\text{ROE}$) không cho thấy tác động có ý nghĩa thống kê lên tỷ lệ nợ xấu trong mẫu nghiên cứu này.
Giải pháp và kiến nghị của tác giả
- Nâng cao năng lực quản trị rủi ro thanh khoản và chất lượng tài sản: Đảm bảo tỷ lệ an toàn thanh khoản $\text{LIQ}$, tối ưu hóa hiệu quả phân bổ tài sản để nâng cao $\text{ROA}$, hạn chế nới lỏng tiêu chuẩn tín dụng chạy theo tăng trưởng thuần túy.
- Quản trị chi phí dự phòng rủi ro tín dụng: Tối ưu hóa quy trình trích lập dự phòng $\text{LLR}$, chủ động nhận diện nợ xấu từ sớm theo đúng tinh thần Thông tư 11/2021/TT-NHNN nhằm giảm áp lực chi phí dự phòng đột biến lên kết quả kinh doanh.
- Chính sách ứng phó với biến động vĩ mô: Theo dõi sát diễn biến lạm phát ($\text{INF}$) để điều chỉnh linh hoạt lãi suất cho vay và cơ cấu kỳ hạn danh mục nợ, hỗ trợ khách hàng duy trì khả năng thanh toán khi chi phí đầu vào tăng cao.
- Nâng cao năng lực quản trị theo quy mô: Tận dụng lợi thế quy mô ($\text{SIZE}$) để đầu tư công nghệ thẩm định, quản lý rủi ro và đa dạng hóa sản phẩm cấp tín dụng.
Đóng góp của đề tài
- Cung cấp bức tranh thực nghiệm toàn diện về nợ xấu của hệ thống NHTMCP Việt Nam trong suốt giai đoạn dài 13 năm (2010 – 2022), bao quát cả chu kỳ tái cơ cấu nợ theo Nghị quyết 42/2017/QH14 và giai đoạn ứng phó dịch Covid-19.
- Xác định rõ sự khác biệt giữa kỳ vọng lý thuyết và thực tiễn hoạt động tại Việt Nam đối với các biến $\text{CAP}$, $\text{SIZE}$, $\text{UNIT}$, cung cấp cơ sở dữ liệu định lượng tin cậy cho các nhà quản trị ngân hàng và cơ quan quản lý trong việc thiết lập chính sách kiểm soát nợ xấu.
Hạn chế và hướng nghiên cứu tiếp
Hạn chế của đề tài:
- Cỡ mẫu nghiên cứu: Khóa luận chỉ giới hạn khảo sát tại 27 NHTMCP niêm yết có đầy đủ dữ liệu công bố liên tục từ năm 2010 đến 2022, chưa bao quát được toàn bộ các tổ chức tín dụng khác (như các ngân hàng thương mại TNHH MTV, ngân hàng liên doanh, chi nhánh ngân hàng nước ngoài tại Việt Nam).
- Dữ liệu nghiên cứu: Sử dụng dữ liệu thứ cấp hàng năm từ BCTC kiểm toán; một số chỉ tiêu tài chính của các ngân hàng có sự thay đổi về phương pháp thuyết minh qua các thời kỳ do điều chỉnh chính sách kế toán và chuẩn mực phân loại nợ.
Hướng nghiên cứu tiếp theo:
- Mở rộng phạm vi mẫu nghiên cứu ra toàn bộ hệ thống các tổ chức tín dụng tại Việt Nam, phân nhóm so sánh giữa ngân hàng có vốn nhà nước và ngân hàng cổ phần tư nhân.
- Tiếp cận dữ liệu theo tần suất quý hoặc tháng để nắm bắt kịp thời độ trễ tác động của các cú sốc chính sách tiền tệ và biến động kinh tế vĩ mô.
- Bổ sung thêm các biến số giải thích mới như: chỉ số chuyển đổi số trong ngân hàng, cơ cấu sở hữu, tỷ lệ bao phủ nợ xấu hoặc các chỉ số về an toàn vốn theo chuẩn mực Basel II/Basel III.
Giá trị tham khảo
- Đối tượng thụ hưởng:
- Sinh viên, học viên ngành Tài chính – Ngân hàng, Kinh tế học: Tài liệu mẫu mực phục vụ việc học tập, nghiên cứu phương pháp phân tích kinh tế lượng tài chính trên dữ liệu bảng (Panel Data) bằng Stata.
- Người thực hiện khóa luận/luận văn về nợ xấu và rủi ro tín dụng: Tham khảo chi tiết quy trình nghiên cứu 7 bước, cách thức xây dựng hệ thống giả thuyết H1 – H10 và quy trình kiểm định khuyết tật mô hình (F-test, Hausman, Breusch-Pagan, Wooldridge, FGLS).
- Chuyên viên phân tích rủi ro, cán bộ quản lý tại các NHTM và cơ quan giám sát: Nắm bắt các bằng chứng định lượng về mức độ và chiều hướng tác động của từng chỉ số vi mô và vĩ mô đến rủi ro nợ xấu tại Việt Nam.
- Nội dung nổi bật đáng tham khảo:
- Bảng tổng hợp công thức, kỳ vọng dấu và cơ sở nghiên cứu của 10 biến số tài chính - kinh tế (Chương 3).
- Khung lý thuyết và bảng đối chiếu phân loại nợ 5 nhóm theo Thông tư số 11/2021/TT-NHNN (Chương 2).
- Quy trình xử lý triệt để hiện tượng phương sai thay đổi và tự tương quan bằng phương pháp ước lượng FGLS trên phần mềm Stata 17.0 (Chương 3 và Chương 4).
Câu hỏi thường gặp
1. Tỷ lệ nợ xấu (NPL) trong nghiên cứu này được xác định và tính toán theo công thức nào?
Theo Thông tư số 11/2021/TT-NHNN của Ngân hàng Nhà nước, nợ xấu là nợ xấu nội bảng gồm các khoản nợ thuộc nhóm 3 (nợ dưới tiêu chuẩn), nhóm 4 (nợ nghi ngờ) và nhóm 5 (nợ có khả năng mất vốn). Tỷ lệ nợ xấu ($\text{NPL}_{i,t}$) được tính bằng công thức:
$$\text{NPL}_{i,t} = \frac{\text{Nợ nhóm 3} + \text{Nợ nhóm 4} + \text{Nợ nhóm 5}}{\text{Tổng dư nợ}} \times 100%$$
Dữ liệu nợ nhóm 3, 4, 5 được trích xuất từ phần thuyết minh BCTC kiểm toán hợp nhất, tổng dư nợ lấy từ bảng cân đối kế toán của 27 NHTM.
2. Mẫu nghiên cứu và khung thời gian của khóa luận được lựa chọn như thế nào?
Khóa luận sử dụng mẫu gồm 27 NHTMCP tại Việt Nam được niêm yết trên các sàn HOSE, HNX và UPCoM, hoạt động liên tục trong khoảng thời gian 13 năm từ năm 2010 đến năm 2022. Năm 2010 được chọn làm mốc bắt đầu nhằm thu thập dữ liệu trước và sau khi nợ xấu trở thành tâm điểm chú ý (cuối năm 2011), bao quát giai đoạn tái cơ cấu 2011 – 2015, giai đoạn thực hiện Nghị quyết 42/2017/QH14 và giai đoạn đại dịch Covid-19 (2020 – 2022).
3. Tác giả đã áp dụng quy trình kiểm định kinh tế lượng nào để chọn ra mô hình ước lượng cuối cùng?
Tác giả tiến hành ước lượng lần lượt 3 mô hình dữ liệu bảng: Pooled OLS, FEM và REM trên phần mềm Stata 17.0. Kiểm định F-test và kiểm định Hausman ($P\text{-value} > 0{,}05$) xác định mô hình tác động ngẫu nhiên (REM) là phù hợp nhất. Tiếp đó, tác giả thực hiện kiểm định khuyết tật: kiểm định VIF và ma trận tương quan (không có đa cộng tuyến nghiêm trọng), kiểm định Breusch - Pagan (phát hiện có phương sai sai số thay đổi), kiểm định Wooldridge (phát hiện có tự tương quan). Cuối cùng, phương pháp hồi quy FGLS (Feasible Generalized Least Squares) được áp dụng để khắc phục hoàn toàn các khuyết tật trên.
4. Những nhân tố nào có tác động cùng chiều và ngược chiều lên tỷ lệ nợ xấu theo kết quả ước lượng FGLS?
Kết quả thực nghiệm FGLS chỉ ra:
- Tác động cùng chiều (+): Tỷ lệ vốn chủ sở hữu trên tổng tài sản ($\text{CAP}$), Tỷ lệ dự phòng rủi ro tín dụng ($\text{LLR}$) và Tỷ lệ lạm phát ($\text{INF}$).
- Tác động ngược chiều (-): Khả năng sinh lợi trên tổng tài sản ($\text{ROA}$), Quy mô ngân hàng ($\text{SIZE}$), Tỷ lệ thất nghiệp ($\text{UNIT}$) và Tính thanh khoản ($\text{LIQ}$).
- Không có ý nghĩa thống kê: Tốc độ tăng trưởng tín dụng ($\text{LG}$), Tốc độ tăng trưởng kinh tế ($\text{GDP}$) và Tỷ lệ lợi nhuận sau thuế trên vốn chủ sở hữu ($\text{ROE}$).
5. Điểm khác biệt giữa kỳ vọng ban đầu và kết quả thực nghiệm của tác giả là gì?
Có 3 biến số cho kết quả thực nghiệm trái ngược với kỳ vọng dấu lý thuyết ban đầu:
- Biến $\text{CAP}$ (Tỷ lệ vốn CSH/tổng tài sản) kỳ vọng mang dấu âm (-) nhưng kết quả hồi quy mang dấu dương (+).
- Biến $\text{SIZE}$ (Quy mô ngân hàng) kỳ vọng mang dấu dương (+) nhưng kết quả thực nghiệm mang dấu âm (-).
- Biến $\text{UNIT}$ (Tỷ lệ thất nghiệp) kỳ vọng mang dấu dương (+) nhưng kết quả thực nghiệm mang dấu âm (-).
Ngoài ra, 3 biến $\text{GDP}$, $\text{LG}$, $\text{ROE}$ được kỳ vọng có tác động nhưng trong mô hình thực nghiệm lại không đạt mức ý nghĩa thống kê.
Kết luận
Khóa luận tốt nghiệp của tác giả Hồ Lê Bích Huyền đã thực hiện nghiên cứu định lượng chặt chẽ về các nhân tố tác động đến tỷ lệ nợ xấu của 27 ngân hàng thương mại cổ phần Việt Nam trong giai đoạn 2010 – 2022. Thông qua quy trình lựa chọn mô hình và khắc phục khuyết tật bằng phương pháp FGLS trên Stata 17.0, nghiên cứu đã chứng minh thực nghiệm rằng các yếu tố $\text{CAP}$, $\text{LLR}$, $\text{INF}$ có tác động cùng chiều, trong khi $\text{ROA}$, $\text{SIZE}$, $\text{UNIT}$, $\text{LIQ}$ có tác động ngược chiều lên nợ xấu. Các phát hiện này cung cấp cơ sở khoa học và thực tiễn vững chắc để các NHTM và cơ quan quản lý xây dựng chính sách kiểm soát rủi ro tín dụng và ổn định hệ thống tài chính trong bối cảnh kinh tế biến động.
